EP0292381B1 - Procédé d'élaboration d'un modèle statistique pour déterminer la charge de travail d'un pilote d'aéronef, modèle en résultant, dispositif pour la mise en oeuvre de ce procédé et applications du modèle - Google Patents

Procédé d'élaboration d'un modèle statistique pour déterminer la charge de travail d'un pilote d'aéronef, modèle en résultant, dispositif pour la mise en oeuvre de ce procédé et applications du modèle Download PDF

Info

Publication number
EP0292381B1
EP0292381B1 EP88401200A EP88401200A EP0292381B1 EP 0292381 B1 EP0292381 B1 EP 0292381B1 EP 88401200 A EP88401200 A EP 88401200A EP 88401200 A EP88401200 A EP 88401200A EP 0292381 B1 EP0292381 B1 EP 0292381B1
Authority
EP
European Patent Office
Prior art keywords
flight
fms
pilot
workload
engaged
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Lifetime
Application number
EP88401200A
Other languages
German (de)
English (en)
Other versions
EP0292381A1 (fr
Inventor
Richard D. Blomberg
Jean-Pierre Fouillot
Jean-Jacques 11 Rue Ste Odile Speyer
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Airbus SAS
Original Assignee
Airbus SAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Airbus SAS filed Critical Airbus SAS
Publication of EP0292381A1 publication Critical patent/EP0292381A1/fr
Application granted granted Critical
Publication of EP0292381B1 publication Critical patent/EP0292381B1/fr
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B23/00Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/15Vehicle, aircraft or watercraft design
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/08Probabilistic or stochastic CAD

Definitions

  • the present invention relates to a method of developing a statistical model for predetermining the workload of an aircraft pilot, in particular of a commercial type aircraft, using objective flight parameters.
  • the invention also relates, as an industrial product, to the statistical model developed by the process considered.
  • the invention also relates to various applications of this model, in particular to the certification of the composition of the aircraft crew, to the development of new aircraft and to training, improvement, performance control and monitoring of the degree of adaptation to a new aircraft of aircraft pilots.
  • the invention also relates to a device for implementing the above-mentioned method.
  • the workload imposed on commercial aircraft pilots is of major concern to aircraft manufacturers and airlines for at least two reasons: it is generally recognized that high levels of workload lead to an increased likelihood pilot error and reduced ability to cope with emergency situations. On the other hand, the ability to demonstrate that a crew's workloads do not exceed an acceptable level is an essential part of the process for obtaining type certification by the competent authorities.
  • the second major area in which research was carried out concerns the measurement of workload, however defined, and the development of techniques for measuring physiological and subjective behavior.
  • a large number of studies have been devoted to the development of three types of workload measures.
  • no significant proposal has been made regarding a measurement of the workload of commercial air transport pilots during "typical" flights.
  • the known behavior study techniques for measuring the workload most often consist in giving the pilot a secondary task to be performed and in measuring the level of performance for this task if the flight scenario changes. It is assumed that the performance level for the secondary task will deteriorate depending on the workload involved in the main flight task. There are several theoretical advantages to basing workload estimates on the actual behavior of pilots. First of all, these measurements are perfectly objective and it is therefore very unlikely that they are influenced by external factors such as the motivation or the false interpretation of the pilot. Then, it would be rational to use them since they come from human performance.
  • One of the ideas underlying the present invention is the following: since the actual subjective measurements integrate most of the environmental, psychological and physiological factors determining the workload, any model of subjective assessment of workload should benefit from the introduction of physiological, behavioral and environmental parameters.
  • An object of the present invention is to propose a method for developing a model which can be implemented practically both in real and simulated flight in order to determine as precisely as possible the subjective workload of pilots aircraft, from a reduced number of data representative of one or more actual flights of aircraft (in particular of the AIRBUS A 310 aircraft) and measurable during these flights without adversely affecting the pilot's workload and the flight safety conditions.
  • the invention also aims to provide a device allowing reliable and convenient entry of the various data used for the development and use of the model in question.
  • the present invention as set out in claims 1 and 12 thus relates to a method and a device to develop a statistical model to predetermine the workload of an aircraft pilot, in particular of a commercial type aircraft, as a function of objective flight parameters, in which during at least one flight, real or simulated , from the aircraft, the pilot of the aircraft is asked, in flight phases and conditions and in determined piloting conditions constituting the flight parameters, to give a rating of his workload by means of a scale preset, this rating is recorded at the same time as the corresponding flight parameters and the value of significant data of said flight parameters is simultaneously measured, then a statistical correlation is finally established between the rated values of the workload on the one hand and the aforementioned data and the flight parameters on the other hand.
  • the present invention makes it possible to develop a model capable of providing an objective estimate of the load of work of an aircraft pilot on the basis of objective flight data, the measurement of which in flight does not affect flight conditions and flight safety.
  • a model that can be implemented both during regular flights and during simulated flights, without unreasonable instrumentation requirements and without interfering with the piloting of the aircraft and covering a wide range of normal flight or failure scenarios, can in particular help simplify the long and costly process of special test flights to demonstrate that a new aircraft can be flown with an acceptably low workload.
  • a model that meets the scientific requirements of validity and reliability and practical to use will be of considerable interest if it is applied to the development process of a new aircraft because it will make it possible to artificially determine the consequences of conceptual choices on the load. of work pilots.
  • the validity of the aforementioned statistical relationship between the workload ratings made by the pilot and the objective flight parameters was checked by the applicant.
  • the latter compared the predetermined workload values calculated from the above formula using data collected during all the actual test flights combining various flight and piloting conditions.
  • the calculated workload values were compared with the values quoted by the pilot during the aforementioned flights and an excellent correspondence could be established between the quoted values and the calculated values.
  • the model according to the invention can thus be used for provide objective instantaneous workload ratings in flight or on a simulator.
  • the device for implementing the aforementioned method is characterized in that it comprises means for recording the workload estimates of the crew members, means for selectively interrogating the crew members as for their workload and simultaneously record the flight phase and the corresponding flight condition, all of the aforementioned means being connected to means for processing and recording the data supplied by said set of means in synchronism with a base reference time and means for recording and / or recording the flight parameters in synchronism with said reference time base.
  • the aforementioned device further comprises means for measuring and recording the electrocardiogram of the crew members in synchronism with the aforementioned time base.
  • Such a device is thus particularly well suited to the implementation of the above method.
  • the procedure for obtaining type certification for an airplane of the aforementioned type involves the execution of a large number of test flights intended in particular to determine whether the subjective mental workload imposed on its pilots (pilot and co-pilot) by piloting this new aircraft is acceptable. During these flights, the crew is asked to rate their workload at predetermined times, using a pre-established scale.
  • the preliminary step in the process of developing a model of the aforementioned type consists in determining whether there is a statistical correlation between the ratings made by the pilots during the flight and the performances of the aircraft which are directly measurable. During a preliminary study carried out by the applicant, the existence of a such a correlation has been established.
  • the next step is to collect enough data and calculate the model using appropriate statistical techniques.
  • this second step was implemented using the data collected during the certification campaign for the AIRBUS A 310-200 aircraft. These data indeed constitute an excellent basis for the development of the model.
  • the 60 flights in the A 310 certification campaign thus provide an abundance of data, including subjective workload ratings, aircraft performance measures (hereinafter referred to as aircraft data) and heart rate records. (electrocardiogram) of the 14 pilots who participated in this campaign.
  • aircraft data aircraft performance measures
  • heart rate records electrocardiogram
  • variables indicative of aircraft and physiological data and which can be related to the workload can be calculated.
  • the flight scenarios used during the A 310 campaign cover a relatively wide range of normal, abnormal and emergency flight conditions which can be considered as a representative range of situations that a useful model must be capable of. to predetermine.
  • the preferred model of the present invention uses the airplane data and the heart rate information of the two crew members (pilot and co-pilot).
  • a model using only airplane data has also been developed since the measurement of the heart rate in flight can be considered, rightly or wrongly, as an additional load in flight.
  • This simplified model which will be described later, is a reasonable alternative in situations that obstruct the recording or use of heart rate data.
  • its predictive abilities are much lower than that of a model using airplane and heart rate data.
  • each pilot has a box 1 (see Figures 2, 4 and 5) placed in front of him and close at hand on the dashboard 9 of the cockpit.
  • Each pilot unit 1 has six push buttons on the front numbered 2 to 7 for the rating and an indicator light 1b which lights up when a rating is requested from the driver.
  • Each box 1 is electrically connected (see FIG. 2) to an observer rating box 2 the front face of which is shown in FIG. 3A. This observer unit 2 is for example installed in the cockpit within easy reach of the onboard observer.
  • This box 2 has on the front side an on / off switch button 3, a digital display with two digits 4 and sixteen push buttons 5 respectively identified E (erasing), CM1 (crew member 1 occupying the left seat), CM2 ( crew member 2 occupying the right seat), CS, DR, R, DEC, M, C, DES, AP, AT, N, NC, PU, CU.
  • the push button E is a luminous button with incorporated indicator.
  • the inverter 3 is used for energizing the boxes 1 and 2, resetting the display 4 and the general reset.
  • the push button marked E (erase) lights up when the CM1 or CM2 buttons are pressed, which means that a quote has been requested from one of the two pilots.
  • the indicator light 1b of the corresponding pilot unit 1 lights up and then goes off once the pilot has pressed one of the rating buttons 1a.
  • the button E of box 2 also lights up when the button CS is pressed (flight condition only).
  • the 5 seconds of delay can be adjusted (from 2s / minimum to 10s / maximum).
  • the digital display 4 is incremented when the buttons CM1, CM2, or CS are pressed and is reset to zero by the inverter 3.
  • the push button CS when pressed, generates information "pilot not tested "without lighting the lights 1b of the 1 PILOTE or COPILOTE boxes and indicates the change in flight phase and flight condition without rating from the pilot or co-pilot. The sequence continues with the control of the flight phase and flight condition pushbuttons (see Figure 3).
  • the N button is not connected. It is however present so that the observer presses, on each observation, a push button 5 of the three aforementioned categories.
  • the pilot 1 and observer 2 boxes are electrically connected to a logic processing box 6 which, in connection with a recorder 7 and a clock 8 defining a time base common to the different measurement means of the plane (GMT), allows the centralization and the recording of the ratings of the pilots and the ratings of the observer.
  • the box 6 receives the 28V DC power supply from the aircraft network and supplies the boxes 1 and 2. It also generates logic signals representative of the abovementioned ratings and notations which are applied to the signal acquisition box 7a of the recorder 7.
  • the box 6 delivers its signals in parallel form on 23 "all or nothing" outputs 6a.
  • the box 6 is also connected to an on-board television system used for recording the flight parameters.
  • the observer can have a box 2, the front face of which is shown in FIG. 3B.
  • This box is more particularly adapted to check the adequacy of the ratings made by the pilots.
  • it includes an inverter 3, three push buttons 5 marked E, CM1 and CM2 respectively and a display 4 which have functions identical to the elements described above.
  • the housing 2 of FIG. 3B also includes six push buttons 5 marked 2 to 7, three push buttons 5b marked M, I and S and an indicator light 2a.
  • the observer records by means of the aforementioned unit 2 his own assessment of the respective workloads of the two crew members using the push buttons 5 marked 2 to 7. The observer thus proceeds to the end of each flight phase or sub-phase or each time it detects a change in the workload of one or other of the pilots. It will also carry out a quotation in response to an illumination of the warning light 2a which indicates that one of the two crew members has just carried out a quotation.
  • the observer can also record pilot errors by using the M, I and S buttons to: M: minor error I: significant error such as corrected or uncorrected anomaly or non-corrected flight safety error S: security error, corrected or not.
  • T Log10 ( P - Pmin - 1 Pmax - Pmin ) in which T is the transformed quotation, P is the gross quotation, Pmin is the minimum rating given by a pilot during all test flights, Pmax is the maximum rating given by this pilot during the same flights.
  • the transformation of gross quotations according to GOPHER and BRAUNE has at least two advantages. On the one hand, the adequacy of the model developed with the available data is improved. On the other hand, the “parasitic” variations due to the differences in driver-to-driver rating are eliminated. In addition, taking into account all the quotations noted for all the pilots, the value of Pmin can be fixed equal to 2.
  • a third advantage of the transformed quotation is that it can be considered as a new index of system performance pilot-airplane, of wider application than the scale used for the rating. However, the "smoothing" effect of the aforementioned transform leads to a certain ambiguity if one wishes to express the predetermined workload. on the scale of 2 to 7.
  • PRi (10 Yi ) x R + 1 in which : PRi is the predetermined rating on the scale from 2 to 7, Yi is the transformed predetermined quotation, i.e. the calculated quotation, R is the rating range of the pilot considered.
  • the pilots' ratings and the observer's ratings are recorded on magnetic tape in binary form on the recorder 7, at a rate of 25 data per second. These data are previously processed by computer (not shown), according to the flowchart below, to determine the instant at which a quotation was requested, the instant at which this quotation was given, the value of the quotation, the pilot giving the rating (CM1 or CM2) and the corresponding flight condition and flight phase. We thus obtain a "quotation" file per flight.
  • Each aforementioned file is downloaded from the central processing unit of the computer used for the aforementioned preprocessing to a microcomputer (not shown) for further processing according to the flowchart below.
  • observation data are from preferably coded using a four-digit code. This code is given in Table I below.
  • Observation data recorded periodically during flights, includes information relating to the flight phase, the flight condition and the place and nature of any breakdown or emergency situation.
  • the above quotation times and observation data are then synchronized manually and the appropriate code is entered for each quotation.
  • the dimension files are then reloaded into the central processing unit of the computer for use in the main processing program which will be described later.
  • the observers installed in the cabin have an on-board television circuit which is shown diagrammatically in FIG. 2.
  • This circuit essentially comprises a color television screen 10 connected on the one hand to a first camera 11 via a video mixing device 12 and a camera control unit 11a and on the other hand to a video overlay device 13 itself connected to the logic processing unit 6 previously described.
  • the camera 11 is a wide-angle camera filming the pilot cockpits while the inlay device 13 makes it possible to view on the screen 10, superimposed on the image of the camera 11, the workload ratings and / or the observation data emanating respectively from the pilot 1 and observer 2 boxes via the box 6.
  • Observers installed in the cabin can thus read the pilots' ratings for later verification as well as the flight parameters provided by the observer while comparing them to the information provided by camera 11 on screen 10.
  • the video mixer 12 is also connected to a video recorder 14 itself connected to a second camera 15 via a second video overlay device 16 and a camera control unit 15a.
  • the camera 15 takes, for example, views of the top panel and the central control console which can be recorded by the video recorder 14 and / or displayed on the screen 10 at the same time as those of the cockpit thanks to the mixer 12.
  • the inlay 16 which is also connected to the base of Reference time 8 of the airplane allows GMT time recording and / or display in overprint.
  • the entire on-board television circuit is controlled from a control station 17 installed in the cabin and comprising a video recorder control unit 17a connected to the video recorder 14 and a camera selection control unit 17b connected to the video mixer 12 .
  • the airplane data recorded during the abovementioned test flights, for example on magnetic tape, by means of a recorder 18 in synchronism with the reference time base 8, include 22 flight data and 22 automatic flight control data .
  • the useful information is the information "command engaged" or not at the time of the measurement of the flight data.
  • Table II Table II below.
  • Raw data are not used in the development of the model, however, for at least two reasons.
  • the raw or instantaneous value of most of the data at the time of the quotation of a pilot risks not giving an exact picture of the data to be taken into account and on the other hand experience has shown that pilots tended to base their instant rating on a set of integrated impressions over a period of time.
  • the exponential mean by giving more weight to the values of the most recent data provides a measure that is more sensitive to recent events while still being affected by much older information. These averages are easy to calculate because each new value only depends on the present value of the measurement and the previous value of the average. They are therefore shown to be excellent means of predicting pilots' workload ratings in the preliminary study made by the plaintiff.
  • the T values used are 8, 32, 64 and 128 seconds.
  • the absolute value of certain data is preferred.
  • the deflection of the rudder which can take positive and negative values, it is preferable to relate to the workload the absolute amplitude of the difference in value compared to the nominal value.
  • this rate is calculated by comparing the sign of the instantaneous value with that of value which immediately precedes it. If these two signs are identical, a value of zero is introduced into the corresponding exponential average and if they are different a value of 60 is introduced into said exponential average to indicate a value of 60 transitions per minute.
  • the rate of inversions is the number of inversions per minute introduced into an exponential average.
  • An inversion is defined as a change in the orientation of a data value compared to the two previous values of this data.
  • sequences of values 1-2-3 or 7-4-1 do not have an inversion while the sequence 20-10-11 presents one.
  • physiological data relating to the two pilots of the tested aircraft are taken into account for the development of the model.
  • the physiological or cardiac data are recorded on magnetic tape in the form of sequential beats or cardiac periods (RR intervals) recorded in synchronism with a 480 Hz clock.
  • a magnetic battery and cassette recorder 19 is used (see FIG. 2) one channel of which is used to record the electrocardiogram (ECG) of pilot 20, that is to say the voltage between two electrodes 19a and 19b fixed on the skin of this pilot according to a so-called CM5 lead (lead oriented approximately according to the large axis of the heart).
  • An electrode 19a is placed at the level of the central manubrium 21 (upper part of the sternum) of the pilot 20 and the other electrode 19b is placed opposite the left edge of the rib cage, at the level of the sixth rib.
  • a 480 Hz frequency signal produced by a quartz clock is recorded on another channel.
  • a time reference point introduced by an observer using an appropriate button, of the start of the recording of the ECG.
  • the observer assisted by a timekeeper, maintains an event file which constitutes a division of the pilot's activity into a series of time segments or sequences, each of which constitutes a specific stage or event of his activity, designated by the preset code described above.
  • the electrocardiogram consists of a series of curves, each corresponding to a cardiac cycle, and formed of successive segments conventionally designated by the letters PQRST (see Figure 6).
  • the QRS complex corresponds to the ventricular contraction (systole) and has an easy to detect tip R.
  • a preliminary computer processing of the recorded data must recognize the peaks of the successive R waves and measure the time intervals which separate them in accordance with the flow chart below.
  • FIGS. 7 and 8 represent two examples of histograms for a given population of tested pilots (pilots flying the aircraft) and make it possible to assess the evolution of the heart rate of these pilots as a function of the flight phases and thereby even the interest of the introduction of this factor in the development of the model according to the invention.
  • the hatched portions correspond to a number of heart beats per minute greater than or equal to 110 which is a typical value in this area.
  • the percentage of pilots with the values of beats / minute indicated on the abscissa has been plotted on the ordinate.
  • the regression line L drawn shows a downward movement, that is to say a movement towards an accelerated heart rate (shorter RR interval).
  • the importance of this movement is measured by the coefficient of the regression equation. This coefficient is defined by the slope of the regression line L. Since the movement during the 32 and 64 beats used for the calculations or the residues is also of interest, the regression coefficients are also used as measures. It is important to note that the amplitude of the regression residuals is absolutely not related to the movement or slope of the regression line.
  • the graphical plot shown in Figure 6A can be rotated 360 °, thus causing a continuous change in the slope of the line (regression coefficient) without any influence on the sum of the squared distances of the individual points P relative to at the regression line.
  • test pilot means that the measurement was taken on the pilot giving a rating
  • untested pilot means that the measurement was taken on the driver not giving a rating.
  • the main processing step of the process targeted by the invention essentially consists of combining the airplane, workload and cardiac rating data and calculating a set of measurements from this previously synchronized data. compared to a reference time base.
  • This main processing step is illustrated by the simplified flowcharts below.
  • the processing begins with the reading of a determined rating file.
  • the recording includes both the time at which the observer requested the quote and the time interval between the request and the response. Only the time at which the observer requested the quotation is taken into account. A second is added to it to take into account the time necessary for the pilot questioned to press a button la on his box 1. This gives a target time.
  • the aircraft data is read and the corresponding measurements summed up to this target time.
  • the cardiac data are entered for each pilot and the corresponding measurements calculated. In total, and as part of a preferred embodiment, 279 measurements are obtained from aircraft data and 54 measurements are derived from the cardiac data of each pilot and for each rating.
  • each measurement is subjected to a pre-filtering using statistical techniques known as multiple regression and by stages.
  • a third of the variables at a time is introduced into a stepwise regression against an appropriate measure of the pilot's rating.
  • the regression technique provides the best linear least squares for all measurements that meet or exceed a pre-defined tolerance level.
  • step-by-step operations yields 15 to 20 measurements which provide the best forecast for the rating. These are then introduced into a final stepwise regression to produce the set of measures ultimately used in the development of the resulting model.
  • the "GLM” procedure implements an analysis of the variation model (ANOVA) when discrete variables are used.
  • ANOVA analysis of the variation model
  • the mathematics of the analysis of the variation approach becomes more complex than in the condition of the regression model, and more than one solution becomes possible (there is probably no single group of coefficients). This is not considered to be a disadvantage in the context of the invention.
  • the most characteristic important of the model that emerges from this approach is that it is simple to calculate. Instead of finding only a simple group of multiplicative constants as in the regression model, the analysis of the variation model also leads to additive coefficients. They are only added to the model estimate if the situation corresponds to a particular category of discrete variables (flight parameters).
  • the most interesting value is the "Multiple R” value.
  • This statistic is the correlation coefficient between the predicted values of the dependent variable calculated by the model, i.e. the workload, and the actual values.
  • the Multiple R represents the correlation between the ratings of the actual workloads given by the pilots and transformed using the formula described above and the predicted values of the transformed rating.
  • the squared value of Multiple R can also be directly interpreted as the proportion of variation in the dependent variable (transformed values) explained by the model.
  • the statistical significance of the entire model can be tested using a calculated F value.
  • F represents the variation ratio explained by the model, its degrees of freedom compared to the error or the remainder which it does not explain, and its degrees of freedom.
  • probability levels of 0.05 are often accepted as significant from the point of view statistical.
  • Probability values of At least 0.01 leaves little doubt as to the statistical importance of the model, which was probably not due to chance.
  • a model must be statistically significant before it can be judged to be valid. However, a statistically significant F value is not a guarantee of validity. It simply means that the model developed was able to predict better than chance the data from which it came. Validation on an independent sample, i.e. a sample of measures not used in the calculation of the model, is necessary to prove the validity.
  • the "shared halves" method can be used to demonstrate the validity of the model. According to this method, half of the data collected during the test flights is used for the development of the model while the other half is used for its validation, that is to say that for this second half, the predetermined values of workload by means of the aforementioned relation and they are compared with the actual values of the quotations. As a variant, it is possible to carry out special flights during which data are usable to validate the model.
  • Table IIIb shows the multiplicative coefficients Aj and their corresponding airplane and cardiac variables or measures.
  • coefficients are used by multiplying their value by the value of the corresponding measurement and by summing the results for the 21 measurements considered (10 relating to the airplane and 11 of cardiac nature). For example, the decimal logarithm of the exponential mean at 128 seconds of the roll angle is multiplied by 0.05771089 and the result added to the product of the exponential mean at 64 seconds of the aerodynamic speed reversal rate by 0, 00114733 etc until the 21 measures multiplied by their respective coefficient have been summed.
  • the flight condition, the flight phase, the role of the pilot and the number of ECAM systems in operation have a major impact on the model. Indeed, there is an additive coefficient for each level of these state variables. For example, there are separate additive coefficients for the climb (a flight condition), the pilot CM1 not at the controls of the airplane (a pilot role level) and the flight case with an ECAM system broken down. The number of FMS systems operating and the state of the autothrottle intervene by interacting with the flight phase. Thus, an additive coefficient is calculated for each combination of flight phase and the number of FMS systems or the state of the autothrottle that are present in the data.
  • the multiple R of the model in question is equal to 0.664 which, given the relatively small number of dependent variables Xji used, indicates a very good correlation between the value of workload predetermined value.
  • the value F for this model is worth 15.21 with 63 degrees of freedom, which is significant with a probability less than 0.0001. In other words, there is less than a 1 in 10,000 chance that a model as well suited to the data collected may be due to chance.
  • Another way to assess the practicality of the model is to examine whether the relationships it suggests are consistent with what is actually experienced during the flights. We then examine the coefficients to see if the suggested relationships are reasonable. For example, the fact that the logarithm of the number of automatic flight controls engaged is introduced into the model, provides a negative multiplicative coefficient. This indicates that the workload is inversely related to the number of automatic flight controls activated or to the amount of assistance received by the pilots thanks to the automatic flight controls, which is in line with reality.
  • the Figures 11 to 15 give comparative curves of the predetermined workload and the actual or subjective workload as a function of different flight parameters such as the flight phase, the role of the pilot or the flight scenarios.
  • the model can be used as an aid in the development of a new aircraft.
  • One of the essential advantages of any mathematical model is its ability to facilitate decision-making. However, it is important to realize that models only help this decision-making and are subject to error. They perfectly handle the interactions between relatively numerous variables provided that the relationships between these variables are well understood. No effort to unify the complex "machine-human" system represented by a modern transport aircraft could hope to identify and quantify all these relationships. Statistics for the model indicate that it predicts significantly better than chance. People with in-depth knowledge of aircraft systems should therefore be able to use the model to improve the performance of operating procedures.
  • a model can take part in any new or modified airplane simulation. This allows designers to make their system study decisions based on their likely influence on pilots' perceptions of their workload. For this purpose, it is easier to use a model which does not include cardiac rhythm data like that described in the annexed table VI, since in principle one does not collect cardiac rhythm and variability data in flight conditions. real.
  • these models can be used as an investigation system to provide information on the possible impact of the variation of one or more parameters of the model on workloads. All the parameters of the database used for this purpose are then maintained at the values used to build the model except a few which are systematically varied to determine their effect on the expected workload. For example, engine control measures such as throttle angle inversions and N1 speed inversions could vary to determine the reduction in workload possible if a thrust control computer (TCC) extra was included to continue assisting pilots after a TCC failure.
  • TCC thrust control computer
  • the rapid examination of a wide range of possibilities is a particular faculty of mathematical models. In this case, it is even easier because the calculation of the model and the storage of all the corresponding data can be carried out on a micro-calculator of modest size.
  • the model can also be used in reverse to assist in the definition of study objectives.
  • This third approach is similar to the second described above except that the value or range of workloads represents a target and that one or more parameters are varied until the target is reached under the conditions of desired flight. For example, one can ask the following question:
  • a correct estimate of the reduction required could be obtained by scrolling throttle angle reversal values while keeping the other measurements fixed at the values of scenarios involving engine and TCC failures.
  • workload considerations can present at least three advantages.
  • the availability of the model and the information it contains allow it to design training scenarios that reach the desired level of subjective workload without the need for experienced pilots to fly and to evaluate the proposed scenarios.
  • the training model can be used to measure when the performance level is reached. Presumably inexperienced pilots have different heart rates than experienced pilots whose data are used to build the model. By repeating the same flight scenario during the various stages of training and comparing the results with the prediction From the model, it may be possible to determine when a pilot arrived at sufficient skill to give subjective workloads equivalent to those of experienced pilots. Obviously, a normative database of the result of the model according to the pilot should be established before this use within the framework of training can become fully operational.
  • the model can serve as a selection instrument. Pilots may tend during training to underestimate the amount of workload they are experiencing in an attempt to impress their instructors.
  • the model is not affected by this distortion since it is based on variables that the pilot cannot consciously control, in particular the heart rate. The model may therefore be able to identify pilots who feel an unacceptable level of workload even if they do not admit it. However, it is necessary to accumulate considerable operational experience and a significant database for the implementation of such use.
  • model according to the invention can be used to control the performance and the degree of adaptation to a new aircraft of the pilots.
  • the most direct application of the model is that which replaces the long and costly process of obtaining ratings of subjective workloads during the certification of the crew composition of new aircraft.
  • the model having been developed under certification flight conditions has an indisputable validity in this context.
  • model is used in place of certification flights
  • data can be acquired while the aircraft is conducting flight tests, for example during other parts of the certification campaign and presentation to companies and official services .
  • a profile of predicted workload ratings can be obtained. This profile can be compared to the actual or predicted ratings of previously certified aircraft. It would be necessary to make specific additional flights to measure the workload only in order to obtain predictions about the situations, that is to say emergencies which are not demonstrated by the aforementioned flights.
  • the model used during certification flights can also be used very profitably to replace subjective ratings. It has been shown that subjective ratings are subject to appreciable individual differences between pilots, including different reactions to different flight situations. Currently, there is no other way to explain or control these differences than having the same maneuver performed by several pilots and averaging their respective ratings. Considering, for example, what would happen if a pilot on a given flight during a maneuver gave a subjective workload rating of 7, the consequences of a rating error could be very serious. It would be necessary to know immediately if this rating was real, that is to say if it was a rating that could be expected from other pilots put in the same conditions. The model would indicate that this rating was incorrect, or it could highlight the source of the excessive workload.
  • the model according to the invention can also be used to objectively determine the number and composition of the technical cabin crew required on a given aircraft.
  • the present invention therefore demonstrates that a model capable of predetermining the workload of an airplane pilot can be developed from objective flight parameters and have sufficient predetermination capabilities to be of use. convenient.
  • the model obtained is a valid and reliable means of predetermining the subjective ratings made by the pilots.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Algebra (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Feedback Control In General (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

  • La présente invention concerne un procédé d'élaboration d'un modèle statistique pour prédéterminer la charge de travail d'un pilote d'aéronef, notamment d'un avion de type commercial, au moyen des paramètres objectifs de vol.
  • L'invention vise aussi, à titre de produit industriel, le modèle statistique élaboré par le procédé considéré.
  • L'invention vise également diverses applications de ce modèle, notamment à la certification de la composition de l'équipage d'aéronefs, au développement de nouveaux aéronefs et à la formation, au perfectionnement, au contrôle des performances et au suivi du degré d'adaptation à un nouvel aéronef de pilotes d'aéronefs. L'invention concerne encore un dispositif pour la mise en oeuvre du procédé susvisé.
  • La charge de travail imposée aux pilotes des avions commerciaux est une source de préoccupation majeure pour les constructeurs d'avions et les compagnies aériennes pour au moins deux raisons : il est généralement reconnu que des niveaux élevés de charge de travail entraînent une augmentation de la probabilité d'erreur du pilote et une diminution de sa capacité à faire face aux situations d'urgence. D'autre part, la possibilité de démontrer que les charges de travail d'un équipage ne dépassent pas un niveau acceptable est une partie essentielle du processus pour obtenir une certification de type par les autorités compétentes.
  • L'accord n'est pas unanime en ce qui concerne la définition du terme "charge de travail". Même si la plupart des chercheurs font une différence entre la charge de travail "subjective" et la charge de travail "effective", les écrits traitant de ce sujet contiennent encore de nombreuses références vagues à la "charge de travail" pour lesquelles il n'est pas parfaitement clair de déterminer s'il s'agit de la charge mentale subjective ou de la charge de travail effectif.
  • De multiples recherches sur la charge de travail se sont concentrées sur les pilotes et l'environnement relativement complexe qui existe dans un poste de pilotage et au cours de vois dans des zones de trafic aérien de densité variable élevée à faible. Cependant, on a fourni peu de données sur des pilotes commerciaux en vol réel. L'étude approfondie de l'Armée de l'Air américaine dans l'Air Force Aerospace Medical Research Laboratory (AFAMRL) s'est limitée aux avions et systèmes militaires (Shingledecker 1983). Lorsque des pilotes civils ont été utilisés, les expériences ont eu lieu sur simulateurs ou installations de laboratoire analogues.
  • La recherche sur la charge de travail s'est intéressée particulièrement à deux principaux domaines. Le premier implique l'élaboration d'une théorie de charge de travail ou d'un modèle qui caractériserait avec précision le fonctionnement du système humain de traitement de l'information et décrirait la nature des capacités de ce système qui limite les performances (Shingledecker, 1983). Aucun modèle réalisé n'a encore fait l'unanimité. Certains chercheurs mettent l'accent sur l'environnement extérieur comme source essentielle de charge de travail. D'autres donnent comme cause déterminante majeure de la charge de travail l'aptitude du pilote et tentent de fixer la réserve de capacité comme une mesure de charge de travail. D'autres encore se fondent sur la nature subjective de la charge de travail, suivant la théorie selon laquelle les pilotes doivent "se sentir" stressés pour l'être. Enfin, un groupe de chercheurs a envisagé le concept de charge de travail comme une construction de l'esprit déterminée par des facteurs multiples et n'ayant aucune existence propre. Dans cette optique, les impératifs de tâche, les opérations mentales et les impressions subjectives se combinent toutes avec une multitude de variables d'état comme la formation, le niveau de fatigue, la motivation et la condition physique pour produire dans l'individu une capacité réelle à réaliser des performances (O'Donnel and Enggemeier, 1983).
  • Le second domaine majeur dans lequelle s'est effectuée la recherche concerne la mesure de la charge de travail, de quelque manière qu'elle soit définie, et la mise au point de techniques de mesures de comportement physiologiques et subjectives. Un grand nombre d'études a été consacré à la mise au point de trois types de mesures de charge de travail. Cependant aucune proposition significative n'a été faite en ce qui concerne une mesure de la charge de travail des pilotes de transport aérien commercial au cours de vols "typiques".
  • Les techniques connues d'étude du comportement pour mesurer la charge de travail consistent le plus souvent à donner au pilote une tâche secondaire à exécuter et à mesurer le niveau de rendement pour cette tâche si le scénario de vol se modifie. On suppose que le niveau de rendement en ce qui concerne la tâche secondaire se détériorera en fonction de la charge de travail impliquée par la tâche principale de vol. Baser les estimations de charge de travail sur le comportement même des pilotes présente plusieurs avantages théoriques. D'abord ces mesures sont parfaitement objectives et il est donc très peu probable qu'elles soient influencées par des facteurs extérieurs comme la motivation ou la fausse interprétation du pilote. Ensuite, il serait rationnel de les utiliser puisqu'elles sont issues de performances humaines.
  • En dépit de leurs possibilités, il a été constaté, dans le cadre de la présente invention, que les techniques d'étude du comportement entraînent plusieurs problèmes majeurs, en particulier si l'on envisage de les utiliser dans des conditions réelles de vol. D'abord, l'introduction d'une tâche secondaire nécessite souvent une instrumentation supplémentaire. Ensuite, elle peut gêner l'exécution de la tâche principale du pilote et diminuer ainsi la sécurité. En fait, une mesure valable de la charge de travail par l'étude du comportement doit empiéter sur la tâche principale. Enfin, un certain degré d'entraînement à la tâche d'étude du comportement doit exister pour que cette étude soit utilisée d'une manière faible. A cause de ces restrictions, la recherche sur des mesures de charge de travail par l'étude du comportement a été limitée essentiellement au laboratoire ou aux simulateurs.
  • Différentes mesures physiologiques ont été également proposées et essayées comme mesures de charge de travail. Elles vont de la mesure de la variabilité du rythme cardiaque (arythmie) jusqu'à des essais neurophysiologiques extrêmement complexes comme ceux étudiés par l'AFAMRL (O'Donnell, 1983). Ces mesures physiologiques requièrent toutes des équipements spéciaux qui ne pourraient pas, d'une façon pratique, être montés dans un poste de pilotage et utilisés pendant un vol réel. On a également examiné le rapport entre le rythme cardiaque et la charge de travail, et des mesures de variabilité de rythme cardiaque ont fait l'objet d'un travail considérable (Mulder and Mulder-Hajonides Van Der Meulen, 1973). On s'accorde généralement à reconnaître que la variabilité du rythme cardiaque, correctement mesurée, a de grandes possibilités, en tant qu'indice d'une certaine composante de la charge de travail d'un pilote. La présente invention a précisément mis à profit le fait que le rythme cardiaque pouvait se mesurer en vol avec facilité et discrétion à l'aide d'un matériel portatif relativement bon marché.
  • On a également étudié l'application des mesures subjectives de charge de travail des pilotes dans le cadre à la fois de la recherche et de la certification. Cooper et Harper (1969), à titre d'exemple, ont ainsi mis au point une échelle utilisable pour évaluer les qualités de vol d'un avion. Il est relativement facile d'appliquer des mesures subjectives sans pratiquement aucune incidence sur les opérations de vol. Ces mesures ont donc été utilisées en particulier au cours de processus de certification d'avions pour démontrer que la cotation des pilotes sur la charge de travail imposée par un nouvel avion reste dans des limites acceptables. Cependant même si les mesures subjectives sont faciles à appliquer, à enregistrer et à analyser, elles représentent encore une charge supplémentaire dans le processus de certification et sont sujettes à des déformations possibles. Si les valeurs subjectives données par les pilotes au cours des essais de certification pouvaient être prévues d'une façon précise en utilisant un modèle approprié, le besoin de recueil de cotation serait supprimé.
  • L'une des idées à la base de la présente invention est la suivante : comme les mesures subjectives réelles intègrent la plupart des facteurs déterminants d'environnement, psychologiques et physiologiques de la charge de travail, tout modèle d'évaluation subjective de charge de travail devrait bénéficier de l'introduction des paramètres physiologiques, de comportement et d'environnement.
  • Un but de la présente invention est de proposer un procédé d'élaboration d'un modèle que l'on puisse mettre en oeuvre pratiquement tant en vol réel que simulé pour déterminer de manière aussi précise que possible la charge de travail subjective des pilotes d'aéronef, à partir d'un nombre réduit de données représentatives d'un ou plusieurs vols réels d'aéronefs (notamment de l'avion AIRBUS A 310) et mesurables pendant ces vols sans incidence néfaste sur la charge de travail du pilote et sur les conditions de sécurité de vol.
  • L'invention vise également à fournir un dispositif permettant une saisie fiable et commode des diverses données servant à l'élaboration et à l'utilisation du modèle en question.
  • La présente invention comme exposée dans les revendications 1 et 12 vise ainsi un procédé et un dispositif pour élaborer un modèle statistique pour prédéterminer la charge de travail d'un pilote d'aéronef, notamment d'un avion de type commercial, en fonction de paramètres objectifs de vol, dans lequel au cours d'au moins un vol, réel ou simulé, de l'aéronef, on demande au pilote de l'aéronef, dans des phases et conditions du vol et dans des conditions de pilotage déterminées constituant les paramètres de vol, de donner une cotation de sa charge de travail au moyen d'une échelle préétablie, on consigne cette cotation en même temps que les paramètres de vol correspondants et on mesure simultanément la valeur de données significatives desdits paramètres de vol, puis on établit finalement une corrélation statistique entre les valeurs cotées de la charge de travail d'une part et les données précitées et les paramètres de vol d'autre part.
  • En établissant une corrélation statistique entre les valeurs cotées de charge de travail et des données indicatives de la phase de vol et des conditions de vol et de pilotage, la présente invention permet d'élaborer un modèle capable de fournir une estimation objective de la charge de travail d'un pilote d'aéronef à partir de données objectives de vols dont la mesure en vol n'influe pas sur les conditions de pilotage et sur la sécurité du vol. Un modèle pouvant être mis en oeuvre tant au cours de vols réguliers qu'au cours de vols simulés, sans exigences déraisonnables d'instrumentation et sans gêner le pilotage de l'aéronef et recouvrant une large gamme de scénarios de vols normaux ou de pannes, peut en particulier aider à simplifier le long et coûteux processus de vols d'essais spéciaux visant à démontrer qu'un nouvel aéronef peut être piloté avec un niveau de charge de travail acceptablement bas. De même, un modèle répondant aux exigences scientifiques de validité et de fiabilité et pratique à utiliser présentera un intérêt considérable s'il est appliqué au processus de développement d'un nouvel aéronef car il permettra de déterminer artificiellement les conséquences des choix conceptuels sur la charge de travail des pilotes.
  • Le procédé précité peut être caractérisé en ce qu'on relie la charge de travail prédéterminée aux paramètres de vol par une relation du type : Yi = A1 Xi1 + A2 Xi2 + ... + Aj Xij + ... + An Xin + B1 + B2 + ... + Bk + ... + Bm + C
    Figure imgb0001

       dans laquelle
    • Yi est une variable représentative de la charge de travail prédéterminée;
    • les Xij sont des variables représentatives de données significatives d'un premier ensemble de paramètres de vol,
    • les constantes Aj, Bk et C sont des coefficients multiplicatifs ou additifs caractéristiques du modèle précité, la valeur des coefficients Bk étant indicative d'un second ensemble de paramètres de vol, et en ce qu'on calcule les coefficients Aj, Bk et C en appliquant sur la base de la relation précitée, les méthodes statistiques dites de régression linéaire multiple et d'analyse de la variance à partir de valeurs cotées par le pilote de sa charge de travail et des données précitées et des paramètres de vol mesurés ou relevés au cours des vols d'essai.
  • La validité de la relation statistique précitée entre les cotations de charge de travail faites par le pilote et les paramètres de vol objectifs a été vérifiée par la demanderesse. Celle-ci a comparé les valeurs prédéterminées de charge de travail calculées à partir de la formule précitée en utilisant des données recueillies lors de l'ensemble des vols d'essai réels regroupant des conditions de vol et de pilotage variées. Les valeurs calculées de charge de travail ont été comparées aux valeurs cotées par le pilote lors des vols précités et une excellente correspondance a pu être établie entre les valeurs cotées et les valeurs calculées.
  • Egalement, le modèle obtenu selon le procédé précité peut être caractérisé par la relation suivante : Yi = A1 Xi1 + A2 Xi2 + ... + Aj Xij + ... + An Xin + B1 + B2 + ... + Bk + ... Bm + C
    Figure imgb0002

       dans laquelle :
    • Yi est une variable représentative de la charge de travail prédéterminée,
    • les Xij sont des variables représentatives de données significatives d'un premier ensemble de paramètres de vol,
    • les constantes Aj, Bk et C sont des coefficients multiplicatifs ou additifs caractéristiques du modèle, la valeur des coefficients Bk étant indicative d'un deuxième ensemble de paramètres de vol.
  • De préférence, la charge de travail prédéterminée PRi s'exprime suivant une échelle de cotation comportant six indices de 2 à 7, en fonction de la variable Yi par la relation : PRi = 3 x 10 Yi + 1,
    Figure imgb0003

       les variables Xij sont indicatives de données de vol relatives à l'aéronef et au rythme et à la variabilité cardiaques des pilotes tandis que les paramètres dont dépend la valeur des coefficients Bk sont les conditions de vol et de pilotage de l'aéronef ainsi que la phase de vol à l'instant correspondant à la relevée des données précitées.
  • En élaborant un modèle mettant en oeuvre des données et/ou paramètres de vol aisément accessibles ou mesurables pendant des opérations de vol normales ou anormales, on obtient un outil de travail pratique à utiliser. Au moyen d'un équipement de calcul approprié, le modèle suivant l'invention pourra ainsi être utilisé pour fournir des cotations objectives de charge de travail instantanées en vol ou sur simulateur.
  • Suivant l'invention également, le dispositif pour la mise en oeuvre du procédé précité est caractérisé en ce qu'il comprend des moyens pour consigner les estimations de charge de travail des membres d'équipage, des moyens pour interroger sélectivement les membres d'équipage quant à leur charge de travail et consigner simultanément la phase de vol et la condition de vol correspondantes, l'ensemble des moyens précités étant relié à des moyens de traitement et d'enregistrement des données fournies par ledit ensemble de moyens en synchronisme avec une base de temps de référence et des moyens de consignation et/ou d'enregistrement des paramètres de vol en synchronisme avec ladite base de temps de référence.
  • De préférence, le dispositif précité comprend en outre des moyens de mesure et d'enregistrement de l'électrocardiogramme des membres d'équipage en synchronisme avec la base de temps précitée.
  • Un tel dispositif est ainsi particulièrement bien adapté à la mise en oeuvre du procédé précité.
  • Une application du modèle précité consiste dans le développement d'un nouvel aéronef dans laquelle on utilise la courbe Yi = f(Xij) pour simuler l'influence d'une nouvelle caractéristique de l'aéronef sur la charge de travail de ses pilotes, une application de ce modèle à la formation, au perfectionnement, au contrôle des performances et au suivi du degré d'adaptation à un nouvel aéronef d'un pilote d'aéronef, dans laquelle on évalue les performances dudit pilote en calculant sa charge de travail prédéterminée dans une situation de vol déterminée, et son application à la certification de la composition de l'équipage d'un nouvel aéronef, caractérisée en ce qu'au cours d'au moins un vol d'essai du nouvel aéronef, on mesure dans différentes conditions et phases de vol représentatives des règles de certification, les paramètres de vol dont sont indicatives les variables Xij, on calcule les valeurs correspondantes de la variable Yi à partir desquelles on déduit les valeurs correspondantes de charge de travail relativement à une échelle déterminée, ces valeurs de charge de travail étant ensuite comparées à celles d'un aéronef de référence précédemment certifié.
  • D'autres caractéristiques et avantages de l'invention ressortiront encore de la description qui va suivre.
  • Aux dessins annexés donnés à titre d'exemples non limitatifs :
    • la figure 1 est un organigramme illustrant schématiquement le procédé conforme à l'invention,
    • la figure 2 est un schéma synoptique du dispositif pour la mise en oeuvre du procédé selon l'invention,
    • les figures 3A et 3B sont des vues de la face avant du boîtier "observateur" utilisé pour la cotation de la charge de travail,
    • la figure 4 est une vue de la face avant du boîtier "membre d'équipage" utilisé pour la cotation de la charge de travail,
    • la figure 5 est une vue schématique partielle de la cabine de pilotage montrant l'implantation du boîtier de la figure 5,
    • la figure 6 est une courbe illustrant l'enregistrement de l'électrocardiogramme des membres d'équipage,
    • la figure 6A est une courbe illustrant un exemple de régression sur 64 battements,
    • les figures 7 et 8 sont des histogrammes illustrant la variation de la fréquence cardiaque des membres d'équipage selon les phases de vol,
    • la figure 9 est un organigramme illustrant de manière plus détaillée le procédé selon l'invention,
    • la figure 10 est un organigramme illustrant la validation du modèle suivant l'invention selon le concept des "moitiés partagées", et
    • les figures 11 à 15 sont des courbes comparatives illustrant la correspondance entre les valeurs de charge de travail cotées subjectivement et celles calculées au moyen du modèle selon l'invention.
  • Les tableaux I à VI insérés dans le mémoire descriptif doivent être considérés comme faisant partie intégrante de cette description ainsi que les légendes apparaissant sur les organigrammes des figures 1, 9 et 10.
  • Dans la présente description, donnée à titre non limitatif, on va décrire plus particulièrement un procédé d'élaboration d'un modèle pour prédéterminer la charge de travail d'un pilote d'avion de transport commercial tel que l'AIRBUS A 310. Dans l'exposé détaillé de l'invention qui va être maintenant présenté en référence aux dessins et aux tableaux, on décrira d'abord la nature et le mode de saisie des données utilisées pour l'élaboration du modèle puis les mesures on variables dérivées de ces données. On procédera ainsi pour chaque ensemble de données concerné.
  • La procédure d'obtention d'une certification de type pour un avion du genre précité implique l'exécution d'un grand nombre de vols d'essai destinés en particulier à déterminer si la charge de travail mentale subjective imposée à ses pilotes (pilote et copilote) par le pilotage de ce nouvel avion est acceptable. Durant ces vols, on demande à l'équipage de coter sa charge de travail à des instants prédéterminés, au moyen d'une échelle préétablie.
  • Ces vols d'essai étant longs et coûteux, la demanderesse a décidé de développer un modèle mathématique capable de prédéterminer la cotation des pilotes de manière fiable et objective.
  • L'étape préliminaire du procédé d'élaboration d'un modèle du type précité consiste à déterminer s'il existe une corrélation statistique entre les cotations faites par les pilotes durant le vol et des performances de l'avion qui soient directement mesurables. Au cours d'une étude préliminaire réalisée par la demanderesse, l'existence d'une telle corrélation a été établie.
  • L'étape suivante consiste à collecter suffisamment de données et à calculer le modèle en appliquant des techniques statistiques appropriées.
  • Dans l'exemple, cette seconde étape a été mise en oeuvre en utilisant les données collectées lors de la campagne de certification de l'avion AIRBUS A 310-200. Ces données constituent en effet une excellente base pour l'élaboration du modèle. Ainsi, les 60 vols de la campagne de certification A 310 procurent une abondance de données parmi lesquelles des cotations subjectives de charge de travail, des mesures de performances de l'avion (ci-après dénommées données avion) et les enregistrements de la fréquence cardiaque (électrocardiogramme) des 14 pilotes ayant participé à cette campagne. Ainsi, comme on le décrira plus loin, des variables indicatives de données avion et physiologiques et pouvant être reliées à la charge de travail, pourront être calculées. En outre, les scénarios de vol utilisés pendant la campagne de l'A 310 couvrent une gamme de conditions de vol normales, anormales et d'urgence relativement large qui peut être considérée comme une gamme représentative des situations qu'un modèle utile doit être capable de prédéterminer. Pour la collecte des données, on procède comme indiqué à la figure 1. Plus explicitement, pour chaque vol de certification considéré, on demande à chaque pilote de l'avion, dans des phases et conditions du vol et dans des conditions de pilotage déterminées, constituant les paramètres de vol, de donner une cotation de sa charge de travail au moyen d'une échelle préétablie qui sera décrite plus loin, on consigne cette cotation en même temps que les paramètres de vol correspondants et on mesure simultanément la valeur de données significatives desdits paramètres de vol, puis on établit finalement une corrélation statistique entre les valeurs cotées de la charge de travail d'une part et les données précitées et les paramètres de vol d'autre part.
  • Le modèle préférentiel de la présente invention, sélectionné en fonction de sa puissance statistique et de considérations pratiques, utilise les données avion et les informations de rythme cardiaque des deux membres d'équipage (pilote et copilote). Un modèle n'utilisant que les données avion a également été élaboré car la mesure du rythme cardiaque en vol peut être considérée, à tort ou à raison, comme une charge supplémentaire en vol. Ce modèle simplifié, que l'on décrira plus loin, constitue une alternative raisonnable dans des situations qui font obstacle à l'enregistrement ou à l'utilisation des données de rythme cardiaque. Toutefois, ses capacités de prédiction sont bien inférieures à celles d'un modèle utilisant des données avion et de rythme cardiaque.
  • Dans le procédé illustré par les figures 1 et 9, on synchronise et fusionne quatre ensembles distincts de données pour créer les mesures finales avec lesquelles le modèle est construit. Trois de ces ensembles sont fournis sur bande magnétique. Ce sont les cotations des pilotes et les notations d'un observateur embarqué sur les phases de vol et les conditions de vol, les données de vol de l'avion et les données cardiaques des pilotes. Le quatrième ensemble de données comprend des notes de bord imprimées lors des différents vols et indiquant les phases de vol (montée, croisière, descente etc.) et les conditions de vol (normale, urgence etc.). On va maintenant décrire en détail chaque ensemble de données en se référant à chaque fois, en ce qui concerne les moyens de saisie de données, à la figure 2.
  • NATURE ET SAISIE DES DONNES DE COTATION DE CHARGE DE TRAVAIL
  • Pour évaluer leur charge de travail, les pilotes utilisent l'échelle suivante :
    • 2 Charge de travail légère ; capacité de réserve ample ; très acceptable,
    • 3 Charge de travail modérée ; capacité de réserve plus que suffisante (adéquate) ; tout à fait acceptable,
    • 4 Charge de travail normale ; capacité de réserve suffisante ; acceptable,
    • 5 Charge de travail importante ; capacité de réserve diminuée/réduite ; élevée mais acceptable,
    • 6 Charge de travail lourde ; capacité de réserve faible ; juste acceptable,
    • 7 Charge de travail extrème ; capacité de réserve à peu près nulle ; non acceptable de façon continue.
  • L'échelle précitée peut être précisée de la façon suivante :
    • 2 : toutes les tâches du pilote sont accomplies sans délai,
    • 3 : certaines tâches peuvent être interrompues,
    • 4 : interruptions de tâches régulières auxquelles le pilote peut faire face sans effort déraisonnable,
    • 5 : allègement des tâches souhaitables ; interruptions de tâches répétées et/ou niveau d'effort mental ou de stress prononcé,
    • 6 : charge de travail supérieure à ce que le pilote peut accepter continuellement dans des conditions normales ; interruptions de tâches fréquentes et/ou niveau d'effort mental ou de stress accentué ;
    • 7 : tâches continuellement interrompues et/ou niveau d'effort mental ou de stress très accentué ; risque élevé d'erreur ou d'omission.
  • Pour coter, en vol, sa charge de travail au moyen de l'échelle précitée, chaque pilote dispose d'un boîtier 1 (voir figures 2, 4 et 5) placé en face de lui et à portée de main sur le tableau de bord 9 de la cabine de pilotage. Chaque boîtier pilote 1 présente en face avant six boutons poussoirs à impulsion la numérotés de 2 à 7 pour la cotation et un voyant lumineux 1b qui s'allume lorsqu'une cotation est demandée au pilote. Chaque boîtier 1 est électriquement relié (voir figure 2) à un boîtier de notation observateur 2 dont la face avant est représentée à la figure 3A. Ce boîtier observateur 2 est par exemple installé dans la cabine de pilotage à portée de main de l'observateur embarqué. Ce boîtier 2 présente en face avant un bouton inverseur marche/arrêt 3, un afficheur numérique à deux digits 4 et seize boutons poussoirs 5 répérés respectivement E (effacement), CM1 (membre d'équipage 1 occupant la place de gauche), CM2 (membre d'équipage 2 occupant la place de droite), CS, DR, R, DEC, M, C, DES, AP, AT, N, NC, PU, CU. Le bouton poussoir E est un bouton lumineux à voyant incorporé.
  • L'inverseur 3 est utilisé pour la mise sous tension des boîtiers 1 et 2, la remise à zéro de l'afficheur 4 et la remise à zéro générale. Le bouton poussoir repéré E (effacement) s'allume lorsqu'on appuie sur les boutons CM1 ou CM2 ce qui signifie qu'une cotation a été demandée à l'un des deux pilotes. Dans ce cas, le voyant 1b du boîtier pilote 1 correspondant s'allume puis s'éteint une fois que le pilote a appuyé sur l'un des boutons de cotation 1a. Le bouton E du boîtier 2 s'allume également lorsqu'on appuie sur le bouton CS (condition de vol seulement).
  • Il s'éteint :
    • 5 secondes après extinction du voyant pilote 1b si on demande une cotation (ou 5 secondes après la dernière commande de l'observateur si elle est postérieure);
    • 5 secondes après la dernière commande de l'observateur lorsque l'on ne demande pas de cotation ;
    • Dès qu'il est enfoncé.
  • Les 5 secondes de temporisation peuvent être ajustées (de 2s/minimum à 10s/maximum).
  • L'afficheur numérique 4 est incrémenté lorsqu'on appuie sur les boutons CM1, CM2, ou CS et est remis à zéro par l'inverseur 3. Le bouton poussoir à impulsion CS, lorsqu'il est enfoncé, génère une information "pilote non testé" sans allumer les voyants 1b des boîtiers 1 PILOTE ou COPILOTE et indique le changement de phase de vol et de condition de vol sans cotation du pilote ou copilote. La séquence se poursuit par la commande des boutons poussoirs phase de vol et condition de vol (voir figure 3).
  • Les boutons poussoirs "phase de vol" commandent par tout moyen approprié connu en lui-même le génération d'un code, par exemple binaire, de valeur 0 à 7 suivant la correspondance suivante :
    • 0 pour le bouton DR (remise des gaz ou descente rapide),
    • 1 pour le bouton R (roulage avant décollage),
    • 2 pour le bouton DEC (décollage),
    • 3 pour le bouton M (montée),
    • 4 pour le bouton C (croisière),
    • 5 pour le bouton DES (descente),
    • 6 pour le bouton AP (approche),
    • 7 pour le bouton AT (atterrissage).
  • Les boutons poussoirs "condition de vol" commandent la génération d'un code de valeur 0 à 3 suivant la correspondance suivante :
    • 0 : normal (bouton N)
    • 1 : liste de vérification normale (bouton NC)
    • 2 : panne - urgence (bouton PU)
    • 3 : liste de vérification d'urgence (bouton CU)
  • Le bouton N n'est pas connecté. Il est toutefois présent pour que l'observateur appuie, à chaque observation, sur un bouton poussoir 5 des trois catégories précitées.
  • Comme on le voit à la figure 2, les boîtiers pilote 1 et observateur 2 sont électriquement reliés à un boîtier de traitement logique 6 qui, en liaison avec un enregistreur 7 et une horloge 8 définissant une base de temps commune aux différents moyens de mesure de l'avion (heure GMT), permet la centralisation et l'enregistrement des cotations des pilotes et des notations de l'observateur. Le boîtier 6 reçoit l'alimentation 28V continu du réseau avion et assure l'alimentation des boîtiers 1 et 2. Il génère par ailleurs des signaux logiques représentatifs des cotations et notations précitées qui sont appliquées au boîtier d'acquisition de signaux 7a de l'enregistreur 7. Le boîtier 6 délivre ses signaux sous forme parallèle sur 23 sorties "tout ou rien" 6a. Comme on le décrira plus loin, le boîtier 6 est également relié à un système de télévision embarqué utilisé pour la consignation des paramètres de vol.
  • Alternativement, l'observateur peut disposer d'un boîtier 2 dont la face avant est représentée à la figure 3B. Ce boîtier est plus particulièrement adapté à vérifier l'adéquation des cotations faites par les pilotes. Comme le boîtier de la figure 3A, il comprend un inverseur 3, trois boutons poussoirs 5 repérés respectivement E, CM1 et CM2 et un afficheur 4 qui ont des fonctions identiques aux éléments décrits plus haut. Le boîtier 2 de la figure 3B comprend également six boutons poussoirs 5 repérés de 2 à 7, trois boutons poussoirs 5b repérés M, I et S et un voyant lumineux 2a.
  • Tout au long du vol, l'observateur enregistre au moyen du boîtier 2 précité son appréciation propre des charges de travail respectives des deux membres d'équipage en utilisant les boutons poussoirs 5 repérés 2 à 7. L'observateur procède ainsi à la fin de chaque phase ou sous-phase de vol ou chaque fois qu'il détecte un changement de la charge de travail de l'un ou l'autre des pilotes. Il réalisera également une cotation en réponse à une illumination du voyant 2a qui indique que l'un des deux membres d'équipage vient lui-même de réaliser une cotation. L'observateur peut également consigner les erreurs de pilotage en utilisant les boutons M, I et S pour :
       M : erreur mineure
       I : erreur importante telle que anomalie corrigée ou non corrigée ou erreur non relative à la sécurité du vol non corrigée
       S : erreur relative à la sécurité, corrigée ou non.
  • Afin de remplir ses fonctions de manière aussi efficace que possible, l'observateur doit être lui-même un pilote parfaitement familiarisé avec l'échelle de cotation utilisée et les différences entre les tâches opérationnelles, de surveillance et de planification.
  • VARIABLE DERIVEE DES DONNES DE COTATION
  • Une étude des cotations faites par les pilotes a mis en évidence des inégalités importantes dans la répartition de ces cotations en fonction du pilote considéré. L'importance des différences de pilote à pilote dans l'utilisation de l'échelle de cotation conduit à la nécessité d'interpréter ces cotations d'une manière qui annule les variations extérieures dues à la façon dont les pilotes interprètent l'échelle de cotation. Les travaux de GOPHER et BRAUNE (1984) sur la psychophysique des charges de travail ont permis de retenir la relation de transformation suivante : T = Log₁₀ ( P - Pmin - 1 Pmax - Pmin )
    Figure imgb0004

    dans laquelle
       T est la cotation transformée,
       P est la cotation brute,
       Pmin est la cotation minimale donnée par un pilote au cours de tous les vols d'essai,
       Pmax est la cotation maximale donnée par ce pilote au cours des mêmes vols.
  • La transformation des cotations brutes selon GOPHER et BRAUNE présente au moins deux avantages. D'une part l'adéquation du modèle développé aux données disponibles est améliorée. D'autre part les variations "parasites" dues aux différences de cotation de pilote à pilote sont éliminées. Par ailleurs, compte tenu de l'ensemble des cotations relevées pour tous les pilotes, la valeur de Pmin peut être fixée égale à 2. Un troisième avantage de la cotation transformée est qu'elle peut être considérée comme un nouvel indice de performance du système pilote-avion, d'application plus large que l'échelle utilisée pour la cotation. Toutefois, l'effet de "lissage" de la transformée précitée conduit à une certaine ambiguité si on désire exprimer la charge de travail prédéterminée suivant l'échelle de 2 à 7. On s'est donc orienté vers la relation suivante : PRi = (10 Yi ) x R + 1
    Figure imgb0005

    dans laquelle :
       PRi est la cotation prédéterminée sur l'échelle de 2 à 7,
       Yi est la cotation prédéterminée transformée, c'est-à-dire la cotation calculée,
       R est la plage de cotation du pilote considéré.
  • Afin de disposer d'une relation applicable pour tous les pilotes, on retient pour R une valeur égale à 3, ce qui conduit à la relation : PRi = 3x10 Yi + 1
    Figure imgb0006
  • TRAITEMENT INFORMATIQUE DES DONNES DE COTATION
  • Les cotations des pilotes et les notations de l'observateur, classées par fichier (un fichier par vol), sont enregistrées sur bande magnétique sous forme binaire sur l'enregistreur 7, à raison de 25 données par seconde. Ces données sont préalablement traitées par ordinateur (non représenté), selon l'organigramme ci-après, pour déterminer l'instant auquel une cotation a été demandée, l'instant à laquelle cette cotation a été donnée, la valeur de la cotation, le pilote donnant la cotation (CM1 ou CM2) et la condition de vol et la phase de vol correspondantes. On obtient ainsi un fichier "cotation" par vol.
    Figure imgb0007
  • Chaque fichier précité est déchargé de l'unité centrale de l'ordinateur utilisé pour le prétraitement précité vers un microcalculateur (non représenté) pour un nouveau traitement selon l'organigramme ci-après.
    Figure imgb0008
  • Le microcalculateur précité est programmé pour introduire les particularités du vol, c'est-à-dire dans l'exemple ici décrit :
    • la condition de vol : panne/urgence, liste de vérification de panne, liste de vérification normale, vol normal,
    • la phase de vol : remise des gaz ou descente d'urgence, préroulage, roulage avant décollage, décollage, montée, croisière, descente, approche, atterrissage, roulage après atterrissage,
    • le rôle du pilote : pilote CM1 (c'est-à-dire occupant le siège de gauche dans la cabine de pilotage) aux commandes de l'avion, pilote CM1 non aux commandes, pilote CM2 (c'est-à-dire occupant le siège de droite dans la cabine de pilotage) aux commandes de l'avion, pilote CM2 non aux commandes ;
    • le nombre de systèmes ECAM en fonctionnement, c'est-à-dire le nombre de systèmes électroniques de gestion centralisée de l'avion (ECAM) fonctionnant au moment de la cotation,
    • le nombre de systèmes FMS en fonctionnement, c'est-à-dire le nombre de systèmes de gestion de vol (FMS) en fonctionnement au moment de la cotation,
    • l'état de l'automanette (enclenchée ou non), c'est-à-dire de la manette permettant la régulation automatique de la puissance moteur.
  • Ces paramètres sont fournis en partie par les notations de l'observateur en cabine de pilotage et en partie par des notations consignées par un ou plusieurs observateurs installés en cabine lors des vols d'essai.
  • Le microcalculateur précité est également programmé pour afficher chaque cotation individuelle, l'instant où elle a été donnée, et l'identité du pilote qui l'a donnée. L'instant de cotation est ensuite comparé aux notations des observateurs en cabine dites données d'observations. Ces données d'observations sont de préférence codées en utilisant un code à quatre chiffres. Ce code est donné par le tableau I ci-après.
    Figure imgb0009
    Figure imgb0010
    Figure imgb0011
    Figure imgb0012
  • Les données d'observation, enregistrées périodiquement pendant les vols, comprennent des informations relatives à la phase de vol, à la condition de vol et au lieu et à la nature de toute panne ou situation d'urgence. Les instants de cotation et les données d'observation précitées sont alors synchronisés manuellement et le code approprié est entré pour chaque cotation. Les fichiers de cotation sont alors rechargés dans l'unité centrale de l'ordinateur pour être utilisées dans le programme de traitement principal qu'on décrira plus loin.
  • SAISIE DES PARAMETRES DE VOL
  • Pour l'enregistrement des données d'observation, les observateurs installés en cabine disposent d'un circuit de télévision embarqué qui est représenté schématiquement à la figure 2. Ce circuit comprend essentiellement un écran télévision couleur 10 relié d'une part à une première caméra 11 par l'intermédiaire d'un dispositif mélangeur vidéo 12 et d'une unité de contrôle de caméra 11a et d'autre part à un dispositif incrustateur vidéo 13 lui-même relié au boîtier de traitement logique 6 précédemment décrit. La caméra 11 est une caméra grand angle filmant les postes de pilotage des pilotes tandis que le dispositif incrustateur 13 permet de visualiser sur l'écran 10, en surimposition par rapport à l'image de la caméra 11, les cotations de charge de travail et/ou les données d'observation émanant respectivement des boîtiers pilote 1 et observateur 2 par l'intermédiaire du boîtier 6.
  • Les observateurs installés en cabine peuvent ainsi relever les cotations des pilotes à titre de vérification ultérieure ainsi que les paramètres de vol fournis par l'observateur tout en les comparant aux informations fournies par la caméra 11 sur l'écran 10.
  • Le mélangeur vidéo 12 est également relié à un magnétoscope vidéo 14 lui-même relié à une seconde caméra 15 par l'intermédiaire d'un second dispositif incrustateur vidéo 16 et d'une unité de contrôle de caméra 15a. La caméra 15 prend par exemple des vues du panneau supérieur et de la console centrale de pilotage qui peuvent être enregistrées par le magnétoscope 14 et/ou visualisées sur l'écran 10 en même temps que celles du poste de pilotage grâce au mélangeur 12. En outre, l'incrustateur 16 qui est relié également à la base de temps de référence 8 de l'avion permet l'enregistrement et/ou la visualisation en surimpression de l'heure GMT. L'ensemble du circuit de télévision embarqué est piloté à partir d'un poste de commande 17 installé en cabine et comprenant une unité de commande de magnétoscope 17a reliée au magnétoscope 14 et une unité de commande de sélection de caméra 17b reliée au mélangeur vidéo 12.
  • NATURE ET SAISIE DES DONNES AVION-MESURES EN RESULTANT
  • Les données avion enregistrées au cours des vols d'essais précités, par exemple sur bande magnétique, au moyen d'un enregistreur 18 en synchronisme avec la base de temps de référence 8, comprennent 22 données de vol et 22 données de commandes de vol automatiques. Pour ces dernières données, l'information utile est l'information "commande enclenchée" ou non au moment de la mesure des données de vol. Les données précitées sont répertoriées dans le tableau II ci-après.
    Figure imgb0013
    Figure imgb0014
  • Pour les données de vol, les unités et les plages utiles ont également été indiquées au tableau II. Pour l'élaboration du modèle conforme à l'invention, les données de vol suivantes ont finalement été retenues : l'angle de roulis, la vitesse aérodynamique, l'angle d'incidence, la vitesse N1 du moteur 1, le débattement de la gouverne de direction et la vitesse de roulis.
  • Les données brutes ne sont cependant pas utilisées dans l'élaboration du modèle pour au moins deux raisons. D'une part, la valeur brute ou instantanée de la plupart des données au moment de la cotation d'un pilote risque de ne pas donner une image exacte de la donnée à prendre en compte et d'autre part l'expérience a montré que les pilotes avaient tendance à baser leur cotation instantanée sur un ensemble d'impressions intégrées sur une certaine période de temps.
  • Ces observations ont ainsi conduit à décider d'un "lissage" des données et la technique de lissage retenue est la moyenne exponentielle.
  • Dans la moyenne exponentielle, on accorde progressivement moins de poids aux valeurs des données à mesure qu'elles vieillissent. La pondération des valeurs antérieures est exponentielle, ce qui signifie que l'importance de chaque valeur antérieure successive diminue du même rapport. La formule générale pour une moyenne exponentielle avec une constante de temps T (seconde) est : Ao = A1 + DT T (So - A1)
    Figure imgb0015

       ou :
       A0 est la valeur de la moyenne exponentielle calculée,
       A1 est la valeur précédente de la moyenne exponentielle,
       DT est l'intervalle de solution, c'est-à-dire la période entre les points de données successifs (qui est une seconde pour les données avion et l'intervalle RR réel pour les données de rythme cardiaque ainsi qu'on le décrira plus loin),
       T est la constante de temps ou le facteur de lissage de la moyenne en seconde,
       S0 est la valeur de la donnée au temps 0, c'est-à-dire la valeur correspondant à la cotation,
  • La moyenne exponentielle en donnant plus de poids aux valeurs des données les plus récentes fournit une mesure qui est plus sensible aux événements récents tout en subissant encore les effets d'informations beaucoup plus anciennes. Ces moyennes sont faciles à calculer parce que chaque nouvelle valeur ne dépend que de la valeur présente de la mesure et de la valeur précédente de la moyenne. Elles se dont révélées comme d'excellents moyens de prédiction des cotations de charge de travail des pilotes dans l'étude préliminaire faite par la demanderesse.
  • Selon les cas, les valeurs de T retenues sont 8, 32, 64 et 128 secondes.
  • Par ailleurs, pour le calcul des moyennes exponentielles, la valeur absolue de certaines données est préférée. Par exemple, pour le débattement de la gouverne de direction qui peut prendre des valeurs positives et négatives, il est préférable de relier à la charge de travail l'amplitude absolue de l'écart de valeur par rapport à la valeur nominale.
  • On applique également le lissage par moyenne exponentielle à des variables telles que le taux de passage par zéro, le taux d'inversions ou le logarithme décimal de certaines données.
  • Ainsi, pour des données pouvant prendre à la fois des valeurs positives et négatives et pour lesquelles zéro constitue la valeur nominale (par exemple l'angle ou la vitesse de roulis), ce taux est calculé en comparant le signe de la valeur instantanée avec celui de la valeur qui la précède immédiatement. Si ces deux signes sont identiques, une valeur de zéro est introduite dans la moyenne exponentielle correspondante et s'ils sont différents une valeur de 60 est introduite dans ladite moyenne exponentielle pour indiquer une valeur de 60 transitions par minute.
  • Le taux d'inversions est le nombre d'inversions par minute introduit dans une moyenne exponentielle. Une inversion est définie comme un changement dans l'orientation d'une valeur de donnée comparée aux deux valeurs précédentes de cette donnée.
  • Par exemple les suites de valeurs 1-2-3 ou 7-4-1 ne présentent pas d'inversion tandis que la suite 20-10-11 en présente une.
  • On a également introduit dans l'élaboration du modèle le logarithme décimal du nombre de commandes de vol automatiques enclenchées au moment de la cotation (voir tableau II). L'hypothèse adoptée est que la charge de travail d'un pilote est inversement proportionnelle à l'aide apportée à ce pilote par le système de commandes de vol automatiques et que ce degré d'assistance peut être évalué par le nombre de commandes enclenchées.
  • NATURE ET SAISIE DES DONNES PHYSIOLOGIQUES
  • Suivant une forme d'exécution préférée ou perfectionnée de l'invention, on prend en compte, pour l'élaboration du modèle, des données physiologiques relatives aux deux pilotes de l'avion testé.
  • Les données physiologiques ou cardiaques sont enregistrées sur bande magnétique sous la forme de battements ou périodes cardiaques séquentiels (intervalles RR) enregistrés en synchronisme avec une horloge 480 Hz. On utilise à cet effet un enregistreur magnétique à pile et cassette 19 (voir figure 2) dont un canal sert à enregistrer l'électrocardiogramme (ECG) du pilote 20, c'est-à-dire la tension entre deux électrodes 19a et 19b fixées sur la peau de ce pilote selon une dérivation dite CM5 (dérivation orientée approximativement suivant le grand axe du coeur). Une électrode 19a est placée au niveau du manubrium central 21 (partie supérieure du sternum) du pilote 20 et l'autre électrode 19b est placée en regard du bord gauche de la cage thoracique, au niveau de la sixième côte.
  • Simultanément, on enregistre sur une autre voie un signal de fréquence 480 Hz produit par une horloge à quartz. Sur ce même canal est enregistré un repère temporel, introduit par un observateur à l'aide d'un bouton approprié, du début de l'enregistrement de l'ECG. L'observateur aidé d'un chronométreur tient à jour un fichier d'événements qui constitue un découpage de l'activité du pilote en une suite de segments temporels ou séquences dont chacune constitue une étape ou un évènement déterminé de son activité, désignée par le code préétabli décrit plus haut.
  • L'électrocardiogramme se compose d'une suite de courbes correspondant chacune à un cycle cardiaque, et formée de segments successifs désignés conventionnellement par les lettres PQRST (voir figure 6). En particulier, le complexe QRS correspond à la contraction (systole) ventriculaire et comporte une pointe R facile à détecter. Un traitement informatique préliminaire des données enregistrées doit reconnaître les pointes des ondes R successives et mesure les intervalles de temps qui les séparent conformément à l'organigramme ci-après.
    Figure imgb0016
  • Les données lues sont donc découpées selon les séquences successives spécifiées dans le fichier événement. Et pour chaque séquence on a les informations suivantes :
    • Identification de la séquence par son code avec heure réelle du début de la séquence, heure relative au début de l'ensemble de l'observation, et durée de la séquence ;
    • Courbe de la FC (fréquence cardiaque) calculée de 5 en 5 secondes (comme l'inverse de la durée moyenne des intervalles RR entrant dans cette période de 5 secondes) ;
    • Histogramme des intervalles RR : plus précisément cet histogramme est présenté suivant 24 classes de FC (de 10 à 240 battements/minute) et donne, dans chaque classe, le nombre des complexes QRS détectés, soit une estimation du temps pendant lequel le pilote s'y est tenu.
  • Les figures 7 et 8 représentent deux exemples d'histogramme pour une population donnée de pilotes testés (pilotes aux commandes de l'avion) et permettent d'apprécier l'évolution du rythme cardiaque de ces pilotes en fonction des phases de vol et par là même l'intérêt de l'introduction de ce facteur dans l'élaboration du modèle conforme à l'invention.
  • Aux figures 7 et 8, les parties hachurées correspondent à un nombre de battements cardiaques par minute supérieur ou égal à 110 qui est une valeur typique en ce domaine. Sur les courbes considérées, on a porté en ordonnée le pourcentage de pilotes ayant les valeurs de battements/minute indiquées en abscisse.
  • MESURES OU VARIABLES RESULTANT DES DONNEES PHYSIOLOGIQUES
  • Pour l'élaboration du modèle, les variables suivantes dérivées de la mesure précitée de l'électrocardiogramme sont utilisées :
    • L'intervalle RR brut lissé par moyenne exponentielle comme décrit plus haut.
    • Valeur de différence : deux valeurs de différence calculées à partir de l'écart de l'intervalle RR par rapport à la moyenne linéaire rectiligne des 16 ou 32 intervalles RR précédents. Ceci fournit un type de mesures de mouvements sur 16 et 32 battements. Les moyennes exponentielles lissent ensuite ces mouvements pour en quelque sorte annuler tout artifice. Grâce à ce lissage, l'impact d'un seul cycle cardiaque anormalement haut ou bas, qui se dégagerait des premiers filtrages, sera quelque peu diminué en fonction de la constante de temps particulière utilisée dans la moyenne.
    • Valeur moyenne : en plus d'être utilisées pour créer des valeurs de différence, les moyennes des 16 ou 32 battements présentent déjà de l'intérêt sans être introduites dans les moyennes exponentielles. Le fait d'effectuer la moyenne des 16 ou 32 derniers battements précédant une période de cotation déterminée est estimé comme un lissage suffisant. De plus, ces mesures en tant que moyennes linéaires pures sont considérées comme une mesure raisonnable de l'amplitude à court terme du rythme cardiaque précédant juste la période de cotation.
    • Différence par rapport à la moyenne de référence: un écart type standard et moyen pour les conditions de base de chaque vol (2 minutes après le décollage) est calculé pendant le traitement préliminaire conformément à la procédure de traitement de données schématisées par l'organigramme précité du programme "données physio". Cette mesure représente un ensemble de moyennes exponentielles basées sur la soustraction de l'intervalle RR de la moyenne de l'accélération du rythme cardiaque de chaque pilote lors d'événements survenus lors d'une période de vol relativement calme. Les intervalles RR individuels sont soustraits de la moyenne de référence de façon à ce que les valeurs positives de la mesure puissent indiquer des rythmes cardiaques plus rapides que les rythmes de base (intervalles RR plus courts).
    • Poids de la référence : la différence par rapport à la moyenne de référence tient pas compte de l'importance de l'écart type standard par rapport à la moyenne de référence. Si l'écart type standard par rapport à la moyenne de référence est important, des écarts relativement importants par rapport à celle-ci peuvent ne pas se révéler significatifs. Par contre, si l'écart type standard par rapport à la moyenne de référence est faible, il faut accorder plus d' importance aux différences entre les intervalles RR et la moyenne de référence. Pour expliquer l'écart type standard par rapport à la base (SD) et la moyenne (M), les variables suivantes sont calculées de la façon suivante avant d'être utilisées dans les moyennes exponentielles. B1 = M - SD × DBL M + SD poids de référence sigma 1
      Figure imgb0017
      B2 = M - 2 SD × DBL M + 2 SD poids de référence sigma 2
      Figure imgb0018
         où :
         Bi est la valeur de la mesure
         DBL est la différence par rapport à la moyenne de référence M
         SD est l'écart type standard par rapport à la moyenne de référence et 2 SD est 2 fois l'écart type standard par rapport à cette moyenne de référence.
    • Résidus de regression : une ligne de régression linéaire présente les meilleurs moindres carrés adaptés à un ensemble de données. Les résidus d'une ligne de régression représentent les écarts au carré des points réels issus de la ligne tracée. En tant que tels, leur somme est une mesure pure de la variabilité à court terme qui n'est influencée par aucun mouvement linéaire à court ou à long terme. Ces résidus doivent simplement mesurer l'étendue de la variabilité cardiaque à court terme précédant le temps d'une cotation. Les résidus issus de la ligne de régression des 64 battements qui précèdent immédiatement un instant de cotation déterminé et les 32 premiers battements des 64
      Figure imgb0019
      battements qui précèdent cet instant, sont utilisés comme variables. La figure 6A représente un ensemble de 64 intervalles RR et une ligne de régression tracée. La mesure résiduelle des 64 battements telle qu'elle est utilisée dans la construction du modèle est la somme des distances au carré des points réels de données sur les intervalles RR par rapport à la ligne de régression tracée.
  • Dans la figure 6A, la ligne de régression L tracée montre un mouvement descendant, c'est-à-dire un mouvement vers un rythme cardiaque accéléré (intervalle RR plus court). L'importance de ce mouvement est mesurée par le coefficient de l'équation de régression. Ce coefficient est défini par la pente de la ligne de régression L. Puisque le mouvement au cours des 32 et 64 battements utilisés pour les calculs ou les résidus présente aussi de l'intérêt, les coefficients de régression sont également utilisés comme mesures. Il est important de remarquer que l'amplitude des résidus de régression n'est absolument pas liée au mouvement ou pente de la ligne de régression. Le tracé graphique représenté à la figure 6A peut être soumis à une rotation de 360°, entraînant ainsi un changement continuel de la pente de la ligne (coefficient de régression) sans aucune influence sur la somme des distances au carré des points individuels P par rapport à la ligne de régression.
  • Les variables dérivées de données avion et de la mesure de l'électrocartiogramme des pilotes et utilisées pour l'élaboration du modèle sont énumérées dans le tableau IIIa ci-après. Dans ce tableau, pilote testé signifie que la mesure a été relevée sur le pilote donnant une cotation et pilote non testé signifie que la mesure a été relevée sur le pilote ne donnant pas de cotation.
  • TRAITEMENT PRINCIPAL DES DONNEES
  • Comme on vient de le décrire, l'étape de traitement principal du procédé visé par l'invention consiste essentiellement à combiner les données avion, de cotation de charge de travail et cardiaques et à calculer un jeu de mesures à partir de ces données préalablement synchronisées par rapport à une base de temps de référence. Cette étape de traitement principal est illustrée par les organigrammes simplifiés ci-après.
    Figure imgb0020
    Figure imgb0021
    Figure imgb0022
    Figure imgb0023
  • Le traitement commence par la lecture d'un fichier de cotation déterminé. L'enregistrement comprend à la fois l'instant auquel l'observateur a demandé la cotation et l'intervalle de temps entre la demande et la réponse. Seul l'instant auquel l'observateur a demandé la cotation est pris en compte. Une seconde lui est ajoutée pour prendre en compte le temps nécessaire au pilote interrogé pour appuyer sur un bouton la de son boîtier 1. On obtient ainsi un temps cible.
  • Une fois le temps cible établi, les données avion sont lues et les mesures correspondantes totalisées jusqu'à ce temps cible. Une fois que le temps cible a été atteint sur la bande avion, les données cardiaques sont entrées pour chaque pilote et les mesures correspondantes calculées. Au total, et dans le cadre d'un exemple de réalisation préférée, 279 mesures sont obtenues à partir des données avion et 54 mesures sont dérivées des données cardiaques de chaque pilote et pour chaque cotation.
  • Afin de supprimer l'éventualité d'avoir trop de variables indépendantes, chaque mesure est soumise à un pré-filtrage à l'aide de techniques statistiques dites de régression multiple et par paliers. Un tiers des variables à la fois est introduit dans une régression par paliers contre une mesure appropriée de la cotation du pilote. La technique de régression procure les meilleurs moindres carrés linéaires pour toutes les mesures qui correspondent à ou dépassent un niveau de tolérance pré-défini.
  • Chacune des opérations par paliers rapporte de 15 à 20 mesures qui offrent la meilleure prévision de la cotation. Celles-ci sont ensuite introduites dans une régression finale par paliers pour produire le jeu de mesures utilisé finalement dans l'élaboration du modèle qui en résulte.
  • ELABORATION DU MODELE
  • L'élaboration du modèle proprement dit utilise en particulier la procédure des Modèles Généraux Linéaires (GLM) telle qu'elle est mise en oeuvre dans l'ensemble des statistiques SAS (Institut SAS, CARY, CAROLINE DU NORD, USA, 1982). Cettre technique permet la combinaison des mesures numériques continues issues de l'avion (données avion) et des données cardiaques avec des données discrètes, c'est-à-dire les paramètres de vol mentionnés plus haut.
  • En utilisant la procédure précitée, on relie conformément à l'invention, la charge de travail prédéterminée PRi aux paramètres de vol par une relation du type : Yi = A1 X1i + A2 X2i + ... + Aj Xji + ... + An Xni +B1 + B2 + ... + Bk + ... + Bm + C
    Figure imgb0024

       dans laquelle
    • Yi est une variable représentative de la charge de travail prédéterminée PRi et liée à celle-ci par la formule citée plus haut,
    • les Xij sont des variables représentatives des données avion et cardiaques précitées,
    • les constantes Aj, Bk et C sont des coefficients multiplicatifs ou additifs caractéristiques du modèle, la valeur des coefficients Bk étant indicative des paramètres de vol précités. On calcule les coefficients Aj, Bk et C en appliquant, sur la base de la relation précitée, les méthodes statistiques dites de régression linéaire multiple et d'analyse de la variance à partir des valeurs cotées par le pilote de sa charge de travail et des données précitées et des paramètres de vol mesurés ou relevés au cours des vols d'essai.
  • La procédure "GLM" met en oeuvre une analyse du modèle de variation (ANOVA) lorsque des variables discrètes sont utilisées. La mathématique de l'analyse de l'approche de variation devient plus complexe que dans la condition du modèle de régression, et plus d'une solution devient possible (il n'y a probablement pas de groupe unique de coefficients). Ceci n'est pas considéré comme un désavantage dans le cadre de l'invention. La caractéristique la plus importante du modèle qui ressort de cette approche est qu'il est simple à calculer. Au lieu de ne trouver qu'un simple groupe de constantes multiplicatives comme dans le modèle de régression, l'analyse du modèle de variation conduit également à des coefficients additifs. Ils ne sont ajoutés à l'estimation du modèle que si la situation correspond à une catégorie particulière de variables discrètes (paramètres de vol).
  • Un exemple peut aider à clarifier la structure d'une analyse de modèle linéaire général de variation tel qu'il est fourni par l'invention. Supposons que le modèle (M) comprenne une variable continue, la position des volets (F), et une variable discrète, par exemple que le pilote soit le CM1 ou le CM2 (appelée désignation du pilote ou D). Le modèle résultant pour l'évaluation des charges de travail comprend alors les termes suivants :
    • un coefficient qui devra être multiplié par la position des volets et ajouté soit à :
    • un premier coefficient additif si le pilote aux commandes était le CM1 au moment de la mesure de F ou à
    • un second coefficient additif différent si F a été mesurée quand le pilote CM2 était aux commandes et à
    • une constante d'interception qui est ajoutée aux deux autres termes pour déterminer la prédiction définitive.
  • L'équation du modèle s'écrit alors sous la forme : P = mF + (a1 si D = CM1 ou a2 si D = CM2) + i
    Figure imgb0025

       où P est la charge de travail prédéterminée, m est le coefficient multiplicateur pour la position des volets, les a sont les coefficients additifs pour le CM1 et le CM2 respectivement (les valeurs de D) et i est la constante d'interception.
  • En plus de l'utilisation des variables discrètes uniques dans les modèles de ce type, il est également possible d'utiliser des interactions entre des variables de classification. Par exemple, la contribution d'une interaction de condition de vol et de phase de vol peut être introduite comme une variable intéressante pour les prédictions. Cette interaction peut apporter des coefficients additifs pour des associations de phase et de condition, par exemple une urgence ou une panne au décollage, liste de vérification pendant la descente. Comme cela sera montré dans la discussion qui va suivre, les variables de classification et leurs coefficients d'interaction ont joué un rôle important dans le modèle élaboré prouvant encore davantage la valeur de l'approche du modèle linéaire général.
  • CONTROLE STATISTIQUE DE LA VALIDITE DU MODELE
  • Plusieurs moyens d'analyse statistique décrivent la bonne adaptation du modèle linéaire aux données globales. La valeur la plus intéressante est la valeur "Multiple R". Cette statistique est le coefficient de corrélation entre les valeurs prédites de la variable dépendante calculée par le modèle, c'est-à-dire la charge de travail, et les valeurs réelles. Dans l'exemple, le Multiple R représente la corrélation entre les cotations des charges de travail réelles données par les pilotes et transformées en utilisant la formule décrite plus haut et les valeurs prédites de la cotation transformée. La valeur au carré du Multiple R peut être aussi directement interprétée comme la proportion de variation dans la variable dépendante (valeurs transformées) expliquée par le modèle.
  • L'importance statistique du modèle tout entier peut être testée en utilisant une valeur F calculée. La valeur F représente le rapport de variation expliqué par le modèle, ses degrés de liberté par rapport à l'erreur ou au reste qu'il n'explique pas, et ses degrés de liberté. Lorsque l'importance d'une valeur F est testée, des niveaux de probabilité de 0,05 (5% de chances pour qu'une adaptation aussi bonne que celle du modèle ait pu se produire) sont souvent acceptés comme significatifs au point de vue statistique. Des valeurs de probabilité de 0,01 au moins laissent peu de doute quant à l'importance statistique du modèle qui n'était sans doute pas dû au hasard.
  • Un modèle doit être significatif au point de vue statistique avant de pourvoir être jugé comme valable. Toutefois, une valeur F significative au point de vue statistique n'est pas une garantie de validité. Elle signifie simplement que le modèle élaboré a su prédire mieux que le hasard les données dont il a été issu. Une validation sur un échantillon indépendant, c'est-à-dire un échantillon de mesures non utilisées dans le calcul du modèle, est nécessaire pour prouver la validité. La méthode des "moitiés partagées" dont les étapes sont schématisées sur la figure 10 est utilisable pour démontrer la validité du modèle. Selon cette méthode, la moitié des données recueillies pendant les vols d'essai est utilisée pour l'élaboration du modèle tandis que l'autre moitié est utilisée pour sa validation c'est-à-dire que pour cette seconde moitié, on calcule les valeurs prédéterminées de charge de travail au moyen de la relation précitée et on les compare aux valeurs réelles des cotations. On peut, en variante, réaliser des vols spéciaux pendant lesquels on relève des données utilisables pour valider le modèle.
  • Le modèle préféré de l'invention est détaillé dans les tableaux IIIb et IV ci-après.
    Figure imgb0026
    Figure imgb0027
    Figure imgb0028
    Figure imgb0029
  • Le tableau IIIb montre les coefficients multiplicatifs Aj et leurs variables ou mesures avion et cardiaques correspondantes.
  • Ces coefficients sont utilisés en multipliant leur valeur par la valeur de la mesure correspondante et en sommant les résultats pour les 21 mesures considérées (10 relatives à l'avion et 11 de nature cardiaque). Par exemple, le logarithme décimal de la moyenne exponentielle à 128 secondes de l'angle de roulis est multiplié par 0,05771089 et le résultat ajouté au produit de la moyenne exponentielle à 64 secondes du taux d'inversion de la vitesse aérodynamique par 0,00114733 etc jusqu'à ce que les 21 mesures multipliées par leur coefficient respectif aient été sommées.
  • On notera que deux mesures (la moyenne exponentielle à 128 secondes du taux de passage par zéro de l'angle de roulis et la moyenne exponentielle à 128 secondes du taux de passage par zéro de la vitesse de roulis) interviennent au carré.
  • Le tableau IV fournit le détail des coefficients additifs du modèle. Ces coefficients sont associés à des variables d'état de vol et à leurs interactions. Ces variables sont :
    • la condition de vol,
    • la phase de vol,
    • le rôle du pilote,
    • le nombre de systèmes ECAM en fonctionnement, c'est-à-dire le nombre de systèmes de gestion électronique centralisée d'avion en fonctionnement au moment de la cotation,
    • le nombre de systèmes FMS en fonctionnement, c'est-à-dire le nombre de systèmes de gestion de vol en fonctionnement au moment de la cotation.
  • La condition de vol, la phase de vol, le rôle du pilote et le nombre de systèmes ECAM en fonctionnement présentent un impact prépondérant dans le modèle. En effet, il y a un coefficient additif pour chaque niveau de ces variables d'état. Par exemple, il y a des coefficients additifs distincts pour la montée (une condition de vol), le pilote CM1 non aux commandes de l'avion (un niveau de rôle de pilote) et le cas de vol avec un système ECAM en panne. Le nombre de systèmes FMS fonctionnant et l'état de l'automanette interviennent en interagissant avec la phase de vol. Ainsi, un coefficient additif est calculé pour chaque combinaison de phase de vol et du nombre de systèmes FMS ou de l'état de l'automanette qui sont présents dans les données.
  • Les coefficients additifs sont utilisés en les ajoutant à la somme des produits des coefficients multiplicatifs par les mesures de vol associées si et seulement si la cotation des charges de travail correspond à la condition d'état de vol considérée. Par exemple, si la cotation correspond au pilote CM1 aux commandes de l'appareil pendant une liste de vérification de routine durant la descente avec l'automanette non enclenchée et tous les systèmes FMS et ECAM en fonctionnement, les coefficients suivants devront être ajoutés :
    - CM1 pilote aux commandes de l'avion : -0,01128010,
    • liste de vérification durant un vol normal : -0,03892804
    • descente : 0,00673707
    • les deux systèmes ECAM en fonctionnement : 0,00000000
    • descente avec les deux systèmes FMS en fonctionnement : 0,00000000
    • descente avec l'automanette non enclenchée : 0,07989134.
  • Il existe également une constante dite d'interception ayant une valeur de 0,18425416 qui est ajoutée pour chaque cotation.
  • Le multiple R du modèle en question est égal à 0,664 ce qui, compte tenu du nombre de variables dépendantes Xji utilisé relativement réduit, indique une trés bonne corrélation entre la valeur de charge de travail prédéterminée et la valeur cotée. La valeur F pour ce modèle vaut 15,21 avec 63 degrés de liberté, ce qui est significatif avec une probabilité inférieure à 0,0001. C'est-à-dire qu'il y a moins d'une chance sur 10000 pour qu'un modèle aussi bien adapté aux données relevées puisse être dû au hasard.
  • VALIDATION CONCRETE DU MODELE
  • La validation du modèle précitée sur le base de la méthode des moitiés partagées a également conduit à démontrer la fiabilité du modèle élaboré.
  • Sur la base des propriétés statistiques précitées du modèle, il est possible de conclure en toute confiance qu'un modèle valable a été élaboré. Ce modèle présente également un caractère pratique dans la mesure où les données utilisées pour son élaboration peuvent être aisément relevées en vol avec une instrumentation réduite. Dans ces conditions, on imagine que le modèle pourra être utilisé pour produire des cotations de charges de travail instantanées en vol ou sur simulateur à l'aide des calculateurs embarqués existants ou d'un microcalculateur programmé à cet effet.
  • Une autre façon d'évaluer le caractère pratique du modèle est d'examiner si les relations qu'il suggère sont conformes à ce qui est réellement vécu pendant les vols. On examine ainsi les coefficients pour voir si les relations suggérées sont raisonnables. Par exemple, le fait que le logarithme du nombre de commandes de vols automatiques enclenchées soit introduit dans le modèle, fournit un coefficient multiplicatif négatif. Ceci indique que la charge de travail est inversement liée au nombre de commandes de vols automatiques enclenchées ou à l'importance de l'aide reçue par les pilotes grâce aux commandes de vol automatiques, ce qui est conforme à la réalité.
  • On a également vérifié la validité du modèle en calculant une charge de travail prédéterminée pour chacune des cotations utilisées pour construire le modèle. Les figures 11 à 15 donnent des courbes comparatives de la charge de travail prédéterminée et de la charge de travail réelle ou subjective en fonction de différents paramètres de vol tels que la phase de vol, le rôle du pilote ou les scénarios de vol.
  • Les scénarios de vol en question sont ceux énumérés dans le tableau V ci-après. Ces courbes permettent d'apprécier la précision du modèle élaboré.
    Figure imgb0030
    Figure imgb0031
  • Afin de fournir une estimation de l'importance des capacités de prévision qui pourraient être perdues si les mesures de rythme cardiaque n'étaient pas introduites dans l'élaboration du modèle, un deuxième modèle n'utilisant que les données avion et des paramètres d'état a été élaboré. Les variables utilisées pour ce modèle et les coefficients correspondants sont énumérés dans le tableau VI ci-après. Bien que ce modèle simplifié se soit révélé significatif au plan statistique, ses capacités de prédiction sont inférieures à celles du modèle préféré de l'invention. Le multiple R dudit modèle n'est que de 0,52794 et cette valeur de R doit être jugée trop faible pour pouvoir considérer que le modèle simplifié en question présente une fiabilité suffisante.
    Figure imgb0032
    Figure imgb0033
    Figure imgb0034
    Figure imgb0035
  • La validité, la fiabilité et le réalisme du modèle préféré élaboré ne lui garantissent pas nécessairement un caractère d'universalité. Toutefois, aucune des variables utilisées pour l'élaboration du modèle ne présente un caractère susceptible d'empêcher ce modèle de s'appliquer à tout avion de ligne ayant des caractéristiques et des performances voisines de celle de l'AIRBUS A 310 utilisé pour l'élaboration du modèle préféré de la présente invention. En outre, la technique des modèles linéaires généraux utilisée peut permettre si nécessaire d'introduire le type d'avion comme variable dépendante.
  • APPLICATIONS DU MODELE
  • La fiabilité prévisionnelle du modèle et sa capacité à suivre les cotations des pilotes dans la gamme complète des conditions de vol normales et de secours et des phases de vol disponibles dans les données, fournissent trois catégories principales d'application.
  • Le modèle peut être utilisé comme aide à la mise au point d'un nouvel avion. Un des avantages essentiels de tout modèle mathématique est sa capacité à faciliter les prises de décision. Cependant, il est important de se rendre compte que les modèles ne font qu'aider cette prise de décision et sont sujets à erreur. Ils manipulent parfaitement les interactions entre des variables relativement nombreuses à condition que les relations entre ces variables soient bien comprises. Aucun effort de mise au point unique du système complexe "machine-humain" représenté par un avion de transport moderne ne pourrait espérer identifier et quantifier toutes ces relations. Les statistiques relatives au modèle indiquent qu'il prévoit nettement mieux que le hasard. Des personnes possédant une connaissance approfondie des systèmes avion devraient donc pouvoir utiliser le modèle pour améliorer le rendement des procédures d'utilisation.
  • La disponibilité d'un ou plusieurs modèles qui récapitulent les interactions complexes entre l'avion, les pilotes et le système de contrôle aérien et leur influence sur le jugement des pilotes quant à leur charge de travail peut permettre d'intervenir favorablement dans le processus de mise au point d'un nouvel avion. En fait plusieurs utilisations différentes sont prévues.
  • D'abord un modèle peut prendre part à n'importe quelle simulation d'avion nouveau ou modifié. Ceci permet aux concepteurs de prendre leurs décisions d'étude de système en fonction de leur influence probable sur la perception que les pilotes ont de leur charge de travail. A cet effet, il est plus facile d'utiliser un modèle qui ne comprend pas de données de rythme cardiaque comme celui décrit dans le tableau VI annexé, puisqu'en principe on ne recueille pas de données de rythme et variabilité cardiaques en condition de vol réel.
  • D'une façon similaire, ces modèles sont utilisables en tant que système d'investigation pour fournir des informations sur l'impact possible de la variation d'un ou plusieurs paramètres du modèle sur les charges de travail. Tous les paramètres de la base de données utilisée dans ce but sont alors maintenus aux valeurs servant à construire le modèle sauf quelques uns que l'on fait systématiquement varier pour déterminer leur effet sur la charge de travail prévue. Par exemple, les mesures liées à la commande moteur comme les inversions de l'angle de la manette des gaz et les inversions de la vitesse N1 pourraient varier pour déterminer la réduction de charge de travail possible si un calculateur de commande de poussée (TCC) supplémentaire était inclus pour continuer à assister les pilotes après une panne du TCC. L'examen rapide d'un vaste éventail de possibilités est une faculté particulière des modèles mathématiques. Dans ce cas, il est même facilité car le calcul du modèle et le stockage de toutes les données correspondantes peuvent s'effectuer sur un micro-calculateur de taille modeste.
  • Le modèle peut également être utilisé d'une façon inverse pour assister la définition d'objectifs d'étude. Cette troisième approche est similaire à la seconde décrite ci-dessus sauf que la valeur ou l'éventail des charges de travail représente une cible et qu'on fait varier un ou plusieurs paramètres jusqu'à ce que la cible soit atteinte dans les conditions de vol souhaitées. Par exemple, on peut se poser la question suivante :
  • "Quelle est l'importance de la réduction des inversions d'angle de la manette des gaz nécessaire pour maintenir la valeur de la charge de travail prévue à 5 ou moins même après des pannes de moteur ou de TCC?".
  • Une estimation correcte de la réduction nécessaire pourrait être obtenue en faisant dérouler des valeurs d'inversion d'angle de la manette des gaz tout en maintenant fixes les autres mesures aux valeurs des scénarios comportant des pannes de moteur et de TCC.
  • En ce qui concerne la formation et/ou le perfectionnement des pilotes, les considérations de charge de travail peuvent présenter au moins trois intérêts. D'abord lorsque les programmes de formation sont conçus et les protocoles pour les vols mis au point, un éventail de situations de charge de travail est souvent souhaité. Ceci permet d'assurer que les performances des pilotes en formation peuvent être observées dans diverses conditions. La disponibilité du modèle et de l'information qu'il contient lui permettent de concevoir des scénarios de formation qui atteignent le niveau souhaité de charge de travail subjective sans avoir besoin de faire faire des vols aux pilotes expérimentés et d'évaluer les scénarios proposés.
  • En second lieu le modèle dans le cadre de la formation peut servir à mesurer le moment où le palier de performance est atteint. On peut supposer que des pilotes inexpérimentés ont des rythmes cardiaques différents de ceux des pilotes expérimentés dont les données sont utilisées pour construire le modèle. En répétant le même scénario de vol au cours des diverses étapes de la formation et en comparant les résultats avec la prédiction du modèle, il peut être possible de déterminer le moment où un pilote est arrivé à la compétence suffisante pour donner des charges de travail subjectives équivalentes à celles des pilotes expérimentés. Evidemment, une base de données normative du résultat du modèle en fonction du pilote devrait être établie avant que cette utilisation dans le cadre de la formation puisse devenir totalement opérationnelle.
  • Enfin dans le même contexte, le modèle peut servir d'instrument de sélection. Les pilotes peuvent avoir tendance au cours d'entraînement à sous-estimer l'importance de la charge de travail qu'ils sont en train de subir pour tenter d'impressionner leurs instructeurs. Le modèle par contre n'est pas affecté par cette déformation puisqu'il est basé sur des variables que le pilote ne peut pas contôler consciemment, en particulier le rythme cardiaque. Le modèle peut donc être capable d'identifier les pilotes qui ressentent un niveau de charge de travail inacceptable même s'ils ne l'admettent pas. Cependant il est nécessaire d'accumuler une expérience opérationnelle considérable et une base de données signifcative pour la mise en pratique d'une telle utilisation.
  • Ainsi le modèle selon l'invention peut être utilisé pour contrôler les performances et le degré d'adaptation à un nouvel avion des pilotes.
  • L'application la plus directe du modèle est celle qui remplace le long et coûteux processus qui permet d'obtenir les cotations de charges de travail subjectives au cours de la certification de la composition de l'équipage de nouveaux avions. Le modèle ayant été élaboré dans des conditions de vol de certification présente une validité indiscutable dans ce contexte.
  • Si le modèle est utilisé à la place des vols de certification , les données peuvent être acquises pendant que l'avion effectue des essais en vol, par exemple pendant d'autres parties de la campagne de certification et la présentation aux compagnies et aux services officiels. A partir de ces données, un profil des cotations de charges de travail prédites peut être obtenu. Ce profil peut être comparé aux cotations réelles ou prédites des avions précédemment certifiés. Il serait nécessaire d'effectuer des vols supplémentaires spécifiques pour mesurer la charge de travail uniquement afin d'obtenir des prédictions sur les situations, c'est-à-dire les urgences qui ne sont pas démontrées par les vols précités.
  • Le modèle utilisé pendant les vols de certification peut aussi être utilisé de manière très profitable pour remplacer les cotations subjectives. Il est démontré que les cotations subjectives sont soumises à des différences individuelles appréciables entre les pilotes y compris à des réactions différentes face à des situations de vol différentes. Actuellement, il n'existe pas d'autre moyen d'expliquer ou de contrôler ces différences que de faire exécuter la même manoeuvre par plusieurs pilotes et de faire la moyenne de leurs cotations respectives. Si on considère, par exemple, ce qui se passerait si un pilote sur un vol donné lors d'une manoeuvre donnait une cotation de charge de travail subjective de 7, les conséquences d'une erreur de cotation pourraient être très sérieuses. Il serait nécessaire de savoir immédiatement si cette cotation était réelle, c'est-à-dire si c'était une cotation à laquelle on pouvait s'attendre de la part d'autres pilotes mis dans les mêmes conditions. Le modèle indiquerait que cette cotation était erronée, ou bien il pourrait mettre en évidence la source de la charge de travail excessive.
  • Le modèle selon l'invention peut encore être mis en oeuvre pour déterminer objectivement le nombre et la composition du personnel navigant technique nécessaire sur un appareil déterminé.
  • La présente invention démontre par conséquent qu'un modèle pouvant prédéterminer la charge de travail d'un pilote d'avion peut être élaboré à partir de paramètres objectifs de vol et présenter les capacités de prédétermination suffisantes pour être d'une utilisation pratique. Le modèle obtenu est un moyen de prédétermination valable et fiable des cotations subjectives faites par les pilotes.
  • Bien entendu, un tel modèle pourrait être également utilisé pour prédéterminer la charge de travail d'un pilote d'un autre type d'aéronef tel qu'un hélicoptère ou même encore d'un pilote automobile, de navette spatiale, de fusée ou de navire.

Claims (17)

  1. Procédé d'élaboration d'un modèle statistique pour déterminer la charge de travail d'un pilote d'aéronef, notamment d'un avion de type commercial, en fonction de paramètres objectifs de vol, le procédé comprenant les étapes suivantes :
    a) on définit un ensemble de paramètres objectifs de vol prédéterminés correspondant à différentes données de vol présélectionnées de l'aéronef, les conditions de vol de l'aéronef et les phases de vol ;
    b) on génère un signal pour demander au pilote durant un vol réel ou simulé de l'aéronef d'établir une cotation de sa charge de travail au moyen d'une échelle préétablie,
    c) on enregistre dans une mémoire la cotation de la charge de travail établie par le pilote, en réponse au signal,
    d) on mesure la valeur de données significatives desdits paramètres de vol lorsque le signal ci-dessus est généré,
    e) on enregistre dans une mémoire les valeurs mesurées ci-dessus en même temps que l'étape (c),
    f) on répète les étapes (b) à (e) au moins une fois à chaque phase de vol prédéterminée,
    g) on établit finalement une corrélation automatique entre la cotation consignée de la charge de travail, les valeurs consignées ci-dessus, et les paramètres de vol pour élaborer un modèle statistique de la charge de travail du pilote, en fonction des paramètres de vol.
  2. Procédé conforme à la revendication 1, caractérisé en ce qu'on relie la charge de travail prédéterminée aux paramètres de vol par une relation du type: Yi = A1 Xi1 + A2 Xi2 + ... + Aj Xij + ... + An Xin + B1 + B2 + ... + Bk + ... + Bm + C
    Figure imgb0036
    dans laquelle :
    . Yi est une variable représentative de la charge de travail prédéterminée,
    . les Xij sont des variables représentatives des données significatives d'un premier ensemble de paramètres de vol,
    . les constantes Aj, Bk et C sont des coefficients multiplicatifs ou additifs caractéristiques du modèle précité, la valeur des coefficients Bk étant indicative d'un second ensemble de paramètres de vol, et en ce qu'on calcule les coefficients Aj, Bk et C en appliquant, sur la base de la relation précitée, les méthodes statistiques dites de régression linéaire multiple et d'analyse de la variance à partir de valeurs cotées par le pilote de sa charge de travail et des données précitées et des paramètres de vol mesurés ou relevés au cours du vol précité.
  3. Procédé conforme à la revendication 2, caractérisé en ce que les variables Xij sont indicatives de données de vol relatives à l'aéronef proprement dit et en ce que les paramétres de vol dont dépend la valeur des coefficients additifs Bk sont les conditions de vol et de pilotage de l'aéronef et la phase de vol à l'instant correspondant à la mesure des données précitées.
  4. Procédé conforme à la revendication 3, caractérisé en ce que les données de vol relatives à l'aéronef et les paramètres de vol déterminant les coefficients Bk utilisés pour l'élaboration du modèle précité sont successivement énumérés aux tableaux ci-après:
    Figure imgb0037
    Figure imgb0038
    PARAMETRES DE VOL
    Panne ou Urgence y compris Incapacité du pilote CM1
    Liste de vérification pour Panne ou Urgence
    Liste de vérification pendant un vol normal
    Vol normal sans Liste de vérificatton
    Remise des gaz ou Descente d'Urgence
    Pré-roulage
    Roulage avant Décollage
    Décollage
    Montée
    Croisière
    Descente
    Approche
    Atterrissage
    Roulage après Atterrissage
    Estimation par le pilote CM1 aux commandes
    Estimation par le pilote CM1 non aux commandes
    Estimation par le pilote CM2 aux commandes
    Estimation par le pilote CM2 non aux commandes
    Deux systèmes ECAM (système électronique de gestion centralisée d'avion) en panne (aucun système ECAM en fonctionnement)
    Un système ECAM en panne (un système ECAM en fonctionnement)
    Deux systèmes ECAM en fonctionnement
    Remise des gaz ou descente rapide avec les deux FMS (système de gestion de vol) en fonctionnement
    Préroulage avec les deux FMS en panne
    Préroulage avec un FMS en panne et un FMS en fonctionnement
    Préroulage avec les deux FMS en fonctionnement
    Roulage avant décollage avec les deux FMS en panne
    Roulage avant décollage avec un FMS en panne et un FMS en fonctionnement
    Roulage avant décollage avec les deux FMS en fonctionnement
    Décollage avec les deux FMS en panne
    Décollage avec un FMS en panne et un FMS en fonctionnement
    Décollage avec les deux FMS en fonctionnement
    Montée avec les deux FMS en panne
    Montée avec un FMS en panne et un FMS en fonctionnement
    Montée avec les deux FMS en fonctionnement
    Croisière avec les deux FMS en panne
    Croisière avec un FMS en panne et un FMS en fonctionnement
    Croisière avec les deux FMS en fonctionnement
    Descente avec les deux FMS en panne
    Descente avec un FMS en panne et un FMS en fonctionnement
    Descente avec les deux FMS en fonctionnement
    Approche avec les deux FMS en panne
    Approche avec un FMS en panne et un FMS en fonctionnement
    Approche avec les deux FMS en fonctionnement
    Atterrissage avec les deux FMS en panne
    Atterrissage avec les deux FMS en fonctionnement
    Roulage après atterrissage avec les deux FMS en panne
    Roulage après atterrissage avec un FMS en panne et un FMS en fonctionnement
    Roulage après atterrissage avec les deux FMS en fonctionnement
    Remise des gaz ou descente d'urgence avec automanette enclenchée
    Préroulage avec automanette non enclenchée
    Préroulage avec automanette enclenchée
    Roulage avec automanette non enclenchée
    Roulage avec automanette enclenchée
    Décollage avec automanette non enclenchée
    Décollage avec automanette enclenchée
    Montée avec automanette non enclenchée
    Montée avec automanette enclenchée
    Croisière avec automanette non enclenchée
    Croisière avec automanette enclenchée
    Descente avec automanette non enclenchée
    Descente avec automanette enclenchée
    Approche avec automanette non enclenchée
    Approche avec automanette enclenchée
    Atterrissage avec automanette non enclenchée
    Atterrissage avec automanette enclenchée
  5. Procédé conforme à l'une des revendications 3 ou 4, caractérisé en ce que les variables Xij sont également indicatives du rythme et de la variabilité cardiaques du pilote de l'aéronef que l'on mesure pendant ledit vol d'essai lors de la cotation faite par celui-ci.
  6. Procédé conforme à l'une des revendications précédentes, caractérisé en ce que pour l'élaboration du modèle, on prend en compte la cotation de charge de travail faite par le pilote qui est aux commandes de l'aéronef et de son co-pilote ainsi que la position du pilote aux commandes de l'aéronef dans le poste de pilotage.
  7. Procédé conforme à l'une des revendications précédentes, caractérisé en ce que l'échelle de cotation de charge de travail comprend six indices de cotation s'étendant de 2 à 7 et exprimant une charge de travail croissante.
  8. Procédé conforme à la revendication 7, caractérisé en ce que la charge de travail prédéterminée s'exprime suivant l'échelle precitée en fonction de la variable Yi par la relation : PRi = 3 × 10 Yi + 1
    Figure imgb0039
  9. Procédé conforme à l'une des revendications 3 à 8, caractérisé en ce que les variables Xij comprennent les variables énumérées dans le tableau ci-après :
    Figure imgb0040
  10. Procédé conforme à l'une des revendications 5 à 9, caractérisé en ce que les variables Xij comprennent les variables énumérées dans le tableau ci-aprés :
    Figure imgb0041
    Figure imgb0042
  11. Procédé conforme à l'une des revendications 1 à 3, caractérisé en ce que les coefficients Aj et Bk sont respectivement énumérés selon les variables Xij et les paramètres de vol dans les tableaux ci-après et en ce que le coefficient C vaut 0,18425416.
    Figure imgb0043
    Figure imgb0044
    Figure imgb0045
  12. Dispositif pour la mise en oeuvre du procédé conforme à l'une des revendications 1 à 11, caractérisé en ce qu'il comprend :
       des moyens pour générer, durant le vol, à des moments prédéterminés préalablement au vol, un signal demandant au pilote de coter sa charge de travail selon une échelle prédéterminée,
       des moyens pour enregistrer dans une mémoire la cotation de charge de travail établie par le pilote,
       des moyens pour mesurer des données significatives d'un ensemble prédéterminé de paramètres de vol, lors de l'émission du signal précité,
       des moyens pour enregistrer dans une mémoire les données ci-dessus,
       une base de temps pour synchroniser chaque cotation de charge de travail avec les données enregistrées correspondantes des paramètres de vol,
       des moyens pour établir une corrélation entre la cotation de charge de travail et les données de paramètres de vol.
  13. Dispositif conforme à la revendication 12, caractérisé en ce que les moyens pour enregistrer les cotations de charge de travail comprennent un boîtier (1) comprenant des moyens pour visualiser une demande de cotation.
  14. Dispositif conforme à la revendication 13, caractérisé en ce qu'il comprend en outre des moyens (19, 19a, 19b) de mesure et d'enregistrement de l'électrocardiogramme des membres d'équipage (20), en synchronisme avec la base de temps de référence.
  15. Dispositif conforme à l'une des revendications 12 à 14, caractérisé en ce qu'il comprend en outre des moyens de prise de vues (11, 15) du poste de pilotage, des moyens de visualisation (10) et d'enregistrement (14) de ces vues et des moyens d'incrustation (13) sur les moyens de visualisation (10) des données émanant des moyens (2) pour interroger sélectivement les membres d'équipage et des moyens (1) pour consigner les cotations de charge de travail de ces membres d'équipage.
  16. Procédé conforme à l'une des revendications 1 à 11, caractérisé en ce qu'on utilise la courbe Yi = f(Xij) pour simuler l'influence d'une nouvelle caractéristique de l'aéronef sur la charge de travail de ses pilotes.
  17. Procédé conforme à l'une des revendications 1 à 11, caractérisé en ce qu'on calcule à diverses reprises la charge de travail prédéterminée d'un pilote donné dans une situation de vol déterminée pour évaluer l'évolution dans le temps de ses performances sur un aéronef donné.
EP88401200A 1987-05-20 1988-05-18 Procédé d'élaboration d'un modèle statistique pour déterminer la charge de travail d'un pilote d'aéronef, modèle en résultant, dispositif pour la mise en oeuvre de ce procédé et applications du modèle Expired - Lifetime EP0292381B1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR8707048 1987-05-20
FR8707048A FR2615641B1 (fr) 1987-05-20 1987-05-20 Procede d'elaboration d'un modele statistique pour determiner la charge de travail d'un pilote d'aeronef, modele en resultant, dispositif pour la mise en oeuvre de ce procede et applications du modele

Publications (2)

Publication Number Publication Date
EP0292381A1 EP0292381A1 (fr) 1988-11-23
EP0292381B1 true EP0292381B1 (fr) 1994-11-09

Family

ID=9351254

Family Applications (1)

Application Number Title Priority Date Filing Date
EP88401200A Expired - Lifetime EP0292381B1 (fr) 1987-05-20 1988-05-18 Procédé d'élaboration d'un modèle statistique pour déterminer la charge de travail d'un pilote d'aéronef, modèle en résultant, dispositif pour la mise en oeuvre de ce procédé et applications du modèle

Country Status (6)

Country Link
US (1) US5075881A (fr)
EP (1) EP0292381B1 (fr)
AT (1) ATE114064T1 (fr)
CA (1) CA1288864C (fr)
DE (1) DE3852059T2 (fr)
FR (1) FR2615641B1 (fr)

Families Citing this family (57)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3114481B2 (ja) * 1993-05-25 2000-12-04 トヨタ自動車株式会社 作業負担評価指数の算出方法とそのための装置とそれを利用した作業工程計画方法
US5640549A (en) * 1993-08-04 1997-06-17 Powsner; Seth M. Method and apparatus for graphical modeling of psychiatric and medical records
US5826206A (en) * 1996-03-12 1998-10-20 Training Inovations Group, Llc Debriefing systems and methods for retrieving and presenting multiple datastreams with time indication marks in time synchronism
GB2343034B (en) * 1998-10-21 2003-10-01 Roger Kelly Flight time-log system
US20020016719A1 (en) * 2000-06-19 2002-02-07 Nemeth Louis G. Methods and systems for providing medical data to a third party in accordance with configurable distribution parameters
US6782346B2 (en) * 2001-05-07 2004-08-24 The Boeing Company Aircraft synthesis and systems evaluation method for determining and evaluating electrical power generation and distribution system components
WO2002103655A1 (fr) * 2001-06-15 2002-12-27 Skaggs Jay D Systeme et procede de formation aux instructions de vol
US8234156B2 (en) 2001-06-28 2012-07-31 Jpmorgan Chase Bank, N.A. System and method for characterizing and selecting technology transition options
US7428478B2 (en) * 2001-08-17 2008-09-23 General Electric Company System and method for improving accuracy of baseline models
US7457732B2 (en) * 2001-08-17 2008-11-25 General Electric Company System and method for measuring quality of baseline modeling techniques
US7403877B2 (en) * 2001-08-17 2008-07-22 General Electric Company System, method and computer product for baseline modeling a product or process
US6631315B1 (en) * 2002-03-14 2003-10-07 Honeywell Inc. Aircraft signal definition for flight safety system monitoring system
US7088264B2 (en) * 2002-03-14 2006-08-08 Honeywell International Inc. Flight safety system monitoring combinations of state values
US20040083116A1 (en) * 2002-10-25 2004-04-29 Joyce Derek J. Methods for identifying or predicting capacity problems
US7340650B2 (en) 2002-10-30 2008-03-04 Jp Morgan Chase & Co. Method to measure stored procedure execution statistics
US6998972B2 (en) * 2002-10-31 2006-02-14 General Motors Corporation Driving workload estimation
US7401156B2 (en) 2003-02-03 2008-07-15 Jp Morgan Chase Bank Method using control interface to suspend software network environment running on network devices for loading and executing another software network environment
US7484087B2 (en) 2003-02-24 2009-01-27 Jp Morgan Chase Bank Systems, methods, and software for preventing redundant processing of transmissions sent to a remote host computer
US7702767B2 (en) 2004-03-09 2010-04-20 Jp Morgan Chase Bank User connectivity process management system
US7665127B1 (en) 2004-06-30 2010-02-16 Jp Morgan Chase Bank System and method for providing access to protected services
US8572516B1 (en) 2005-08-24 2013-10-29 Jpmorgan Chase Bank, N.A. System and method for controlling a screen saver
US7291934B2 (en) 2005-08-30 2007-11-06 Caterpillar Inc. Machine with an electrical system
US8181016B1 (en) 2005-12-01 2012-05-15 Jpmorgan Chase Bank, N.A. Applications access re-certification system
US20070225577A1 (en) * 2006-03-01 2007-09-27 Honeywell International Inc. System and Method for Providing Sensor Based Human Factors Protocol Analysis
US7913249B1 (en) 2006-03-07 2011-03-22 Jpmorgan Chase Bank, N.A. Software installation checker
US7895565B1 (en) 2006-03-15 2011-02-22 Jp Morgan Chase Bank, N.A. Integrated system and method for validating the functionality and performance of software applications
WO2007109507A2 (fr) * 2006-03-17 2007-09-27 Commercial Level Simulations, Ltd. Système et procédé d'entraînement sur simulateur sur pc
WO2007115140A2 (fr) * 2006-03-31 2007-10-11 Alaka'i Technologies Systèmes et procédés de surveillance de la performance des moteurs d'aeronefs
US7751960B2 (en) * 2006-04-13 2010-07-06 Gm Global Technology Operations, Inc. Driver workload-based vehicle stability enhancement control
US20080042814A1 (en) * 2006-08-18 2008-02-21 Motorola, Inc. Mode sensitive vehicle hazard warning apparatuses and method
US7609150B2 (en) * 2006-08-18 2009-10-27 Motorola, Inc. User adaptive vehicle hazard warning apparatuses and method
US20110022330A1 (en) * 2008-03-20 2011-01-27 Bae Systems Plc monitoring apparatus
EP2103252A1 (fr) * 2008-03-20 2009-09-23 BAE Systems PLC Améliorations relatives à un appareil de surveillance
US9349295B2 (en) * 2010-09-27 2016-05-24 Honeywell International Inc. Mixed-intiative transfer of datalink-based information
US20120185416A1 (en) * 2011-01-17 2012-07-19 International Business Machines Corporation Load estimation in user-based environments
FR2989181B1 (fr) 2012-04-04 2015-03-27 Eurocopter France Procede et dispositif d'adaptation de l'interface homme-machine d'un aeronef selon le niveau de l'etat fonctionnel du pilote
US9008807B2 (en) * 2012-05-25 2015-04-14 Statistics & Control, Inc. Method of large scale process optimization and optimal planning based on real time dynamic simulation
US10832592B2 (en) * 2013-01-31 2020-11-10 The Boeing Company Pilot assessment system
US9720655B1 (en) 2013-02-01 2017-08-01 Jpmorgan Chase Bank, N.A. User interface event orchestration
US10002041B1 (en) 2013-02-01 2018-06-19 Jpmorgan Chase Bank, N.A. System and method for maintaining the health of a machine
US9088459B1 (en) 2013-02-22 2015-07-21 Jpmorgan Chase Bank, N.A. Breadth-first resource allocation system and methods
US9619410B1 (en) 2013-10-03 2017-04-11 Jpmorgan Chase Bank, N.A. Systems and methods for packet switching
AT513204B1 (de) * 2013-11-13 2015-06-15 Avl List Gmbh Verfahren zur Modifizierung eines Fahrsimulators
US9542259B1 (en) 2013-12-23 2017-01-10 Jpmorgan Chase Bank, N.A. Automated incident resolution system and method
US9868054B1 (en) 2014-02-10 2018-01-16 Jpmorgan Chase Bank, N.A. Dynamic game deployment
US9880863B2 (en) * 2015-11-13 2018-01-30 The Boeing Company Methods and systems for increasing processor speed by creating rule engine rules from unstructured text
US10229369B2 (en) 2016-04-19 2019-03-12 General Electric Company Creating predictive damage models by transductive transfer learning
CN109635375A (zh) * 2018-11-23 2019-04-16 中国航空工业集团公司沈阳飞机设计研究所 基于多元线性回归的飞机成品设备重量估算方法
GB2579656A (en) * 2018-12-11 2020-07-01 Ge Aviat Systems Ltd Method of assessing a pilot emotional state
CN111274648B (zh) * 2019-12-24 2023-04-07 中国航空工业集团公司沈阳飞机设计研究所 一种民用飞机前缘襟翼的分布式飞行载荷设计方法
US11036613B1 (en) 2020-03-30 2021-06-15 Bank Of America Corporation Regression analysis for software development and management using machine learning
US11144435B1 (en) 2020-03-30 2021-10-12 Bank Of America Corporation Test case generation for software development using machine learning
CN113086241B (zh) * 2021-03-23 2023-03-10 珠海欧比特宇航科技股份有限公司 机载飞行参数模拟装置及系统
CN113361107B (zh) * 2021-06-08 2023-04-07 中国大唐集团科学技术研究院有限公司中南电力试验研究院 一种汽轮机甩负荷后转速飞升的静态仿真预测方法
CN113229791B (zh) * 2021-06-12 2024-02-02 西北工业大学 一种基于眼动和生理数据的飞行员任务负荷在线评估方法
CN114200962B (zh) * 2022-02-15 2022-05-17 四川腾盾科技有限公司 无人机飞行任务执行情况分析方法
CN117257234B (zh) * 2023-09-22 2024-04-12 中国民航科学技术研究院 飞行机组联合参数疲劳评测方法、系统及电子设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4345315A (en) * 1979-01-19 1982-08-17 Msi Data Corporation Customer satisfaction terminal
US4489387A (en) * 1981-08-20 1984-12-18 Lamb David E Method and apparatus for coordinating medical procedures
JPS6125525A (ja) * 1984-07-13 1986-02-04 住友電気工業株式会社 患者監視装置
GB2179479B (en) * 1985-08-01 1989-01-05 Singer Link Miles Ltd Interface system for an instrument display

Also Published As

Publication number Publication date
EP0292381A1 (fr) 1988-11-23
FR2615641B1 (fr) 1989-08-18
CA1288864C (fr) 1991-09-10
ATE114064T1 (de) 1994-11-15
DE3852059D1 (de) 1994-12-15
DE3852059T2 (de) 1995-07-20
US5075881A (en) 1991-12-24
FR2615641A1 (fr) 1988-11-25

Similar Documents

Publication Publication Date Title
EP0292381B1 (fr) Procédé d'élaboration d'un modèle statistique pour déterminer la charge de travail d'un pilote d'aéronef, modèle en résultant, dispositif pour la mise en oeuvre de ce procédé et applications du modèle
Mansikka et al. Fighter pilots' heart rate, heart rate variation and performance during an instrument flight rules proficiency test
Dahlstrom et al. Mental workload in aircraft and simulator during basic civil aviation training
EP3474743B1 (fr) Procédé et système de détection et d'analyse d'un flux cognitif
Bachelder et al. Pilot workload estimation: Synthesis of spectral requirements analysis and Weber’s law
Morse et al. The use of ethology in clinical nursing research
CA3163240A1 (fr) Systeme, procede et produit-programme informatique destines a fournir de la formation adaptative
WO2007012723A2 (fr) Procédé et système de modélisation d'une interface entre un utilisateur et son environnement à bord d'un véhicule
Muraviov et al. Method for improving the reliability of an ergatic control system for an automated aircraft
FR3119699A1 (fr) Dispositif et procédé d'évaluation des compétences
Chinnis Jr et al. Inference about a nonstationary process.
Mekata et al. Estimation of a Pilot’s Workload In-Flight Using External Fluctuation Factors: An Experimental Approach Using a Flight Simulator
WO2021122900A1 (fr) Procede et dispositif d'aide au suivi des etats cognitifs d'un individu
Biella et al. How eye tracking data can enhance human performance in tomorrow's cockpit. Results from a flight simulation study in FUTURE SKY SAFETY
Silva et al. Emotion State Induction for the Optimization of Immersion and User Experience in Automated Vehicle Simulator.
Speyer et al. Assessing workload for minimum crew certification
Chira et al. Human Performance Envelope Model Study Using Pilot's Measured Parameters
Older et al. Psychological stress measurement through voice output analysis
Letouzé et al. Mental Representation Impact Analysis (MERIA), a method for analyzing mental representations for the design of HMI. A case study in aeronautics
Berberich et al. The look of tiredness: Evaluation of pilot fatigue based on video recordings.
Entzinger et al. Mental Effort and Safety in Curved Approaches
Škvareková et al. Analysis of The Most Critical Phase of the Flight Based on HRV Measurements of Pilots Workload
Knabl-Schmitz et al. Eye-Tracking
Falkenberg The Use of Physiological Data and Machine Learning to Detect Stress Events for Adaptive Automation
Wierwille Comparative evaluation of workload estimation techniques in piloting tasks

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 19880521

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AT BE CH DE ES GB GR IT LI LU NL SE

17Q First examination report despatched

Effective date: 19910130

GRAA (expected) grant

Free format text: ORIGINAL CODE: 0009210

AK Designated contracting states

Kind code of ref document: B1

Designated state(s): AT BE CH DE ES GB GR IT LI LU NL SE

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: GR

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRESCRIBED TIME-LIMIT

Effective date: 19941109

Ref country code: GB

Effective date: 19941109

Ref country code: AT

Effective date: 19941109

Ref country code: IT

Free format text: LAPSE BECAUSE OF FAILURE TO SUBMIT A TRANSLATION OF THE DESCRIPTION OR TO PAY THE FEE WITHIN THE PRE;WARNING: LAPSES OF ITALIAN PATENTS WITH EFFECTIVE DATE BEFORE 2007 MAY HAVE OCCURRED AT ANY TIME BEFORE 2007. THE CORRECT EFFECTIVE DATE MAY BE DIFFERENT FROM THE ONE RECORDED.SCRIBED TIME-LIMIT

Effective date: 19941109

Ref country code: NL

Effective date: 19941109

Ref country code: ES

Free format text: THE PATENT HAS BEEN ANNULLED BY A DECISION OF A NATIONAL AUTHORITY

Effective date: 19941109

REF Corresponds to:

Ref document number: 114064

Country of ref document: AT

Date of ref document: 19941115

Kind code of ref document: T

REF Corresponds to:

Ref document number: 3852059

Country of ref document: DE

Date of ref document: 19941215

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: SE

Effective date: 19950209

NLV1 Nl: lapsed or annulled due to failure to fulfill the requirements of art. 29p and 29m of the patents act
GBV Gb: ep patent (uk) treated as always having been void in accordance with gb section 77(7)/1977 [no translation filed]

Effective date: 19941109

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: LU

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 19950531

Ref country code: LI

Effective date: 19950531

Ref country code: CH

Effective date: 19950531

PLBE No opposition filed within time limit

Free format text: ORIGINAL CODE: 0009261

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: NO OPPOSITION FILED WITHIN TIME LIMIT

26N No opposition filed
REG Reference to a national code

Ref country code: CH

Ref legal event code: PL

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: DE

Payment date: 20070522

Year of fee payment: 20

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: BE

Payment date: 20070531

Year of fee payment: 20

BE20 Be: patent expired

Owner name: *AIRBUS INDUSTRIE

Effective date: 20080518